如需要完整文档点击下方 "点击下载文档" 按钮

为提高大数据挖掘过程中表情识别的计算速度和准确率,在 ResNet-50 模型的基础上,融合通道注意力机制与改进残差网络,提出一种表情识别方法的改进模型( SE-ResNet-50 +Swish) 。 改进模型在 ResNet-50 的基础上,引入多个带有通道注意力模块 SE 的特征层对表情样本进行特征提取,利用注意力机制增强关键的特征通道,增强网络的特征表达与鲁棒性,且能够有效减少计算量,并利用激活函数 Swish 替代 ReLU 激活函数,以达到进一步提升表情识别准确率的目的。在 CAS-PEAL-R1 数据库上进行验证的结果表明,SE-ResNet-50 在 ResNet-50 的基础上引入 SE 模块之后,虽然增加了网络层数,但计算速度以及表情识别的准确率有明显提高;改进模型利用 Swish 替代 ReLU 后,相比于 SE-ResNet-50 的参数数量与计算量等无显著增多,但表情识别准确率有提升;以上结果表明,改进模型能够有效减少计算量,并增强网络的特征表达与鲁棒性,从而达到提升表情识别计算速度与识别准确率的目的。

如需要完整文档点击下方 "点击下载文档" 按钮

《融合注意力机制改进残差网络的表情识别方法》

将 完整文档 下载到本地，方便收藏和查阅

文件号：059409

点击下载文档