基于CBAM-DSC網絡的表情識別方法
2023-05-07 01:05:29宋文博高璐苗壯林克正
哈爾濱理工大學學報 2023年6期
宋文博 高璐 苗壯 林克正
摘要：針對人臉表情網絡模型參數復雜和計算性能偏低等問題，提出一種基于卷積注意力機制和深度可分離卷積 （convolutional block attention moduledepthwise separable convolution， CBAMDSC）網絡的表情識別方法。網絡使用深度可分離卷積與傳統卷積相結合，提出的改進的Inception模塊通過不同分支提取不同特征信息的同時減少了網絡參數量，提高網絡運行的效率。最后添加了卷積注意力機制模塊，能夠使網絡提取特征時重點關注關鍵信息，從而使得提取到的特征表達信息更準確，更利于分類。在RAFDB數據集和CK+數據集上的仿真實驗表明，網絡模型CBAMDSC具有較高的識別率，消融實驗中相比傳統CNN（convolutional neural network）網絡的參數量減少了6.4%，提升了計算性能。
關鍵詞：Inception；深度可分離卷積；注意力機制；表情識別
