基于改进YOLOv5的学生面部表情识别

作     者：孙廨尧 李秀茹 王松林 SUN Xieyao;LI Xiuru;WANG Songlin

作者机构：安徽商贸职业技术学院安徽芜湖241000 马鞍山学院安徽马鞍山243000 

出 版 物：《齐鲁工业大学学报》 (Journal of Qilu University of Technology)

年 卷 期：2023年第37卷第1期

页      面：28-35页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：安徽省教育厅自然科学研究重点项目(KJ2021A1483) 安徽商贸职业技术学院自然科学重点项目(2022KZZ05) 安徽省高校自然科学重点项目(2022AH052740) 

主　　题：表情识别 YOLOv5 Soft NMS 注意力机制 EIOU 

摘      要：学生课堂面部表情在一定程度上反映了当时的学习状态,面部表情识别可以辅助教师判断学生学习掌握情况。针对学生课堂面部表情被遮挡、视频监控中面部表情目标偏小而导致的错检、漏检等问题,提出了一种改进的YOLOv5网络模型。改进的YOLOv5用Soft NMS替代基本NMS;将注意力机制CA模块引入到YOLOv5网络的Backbone;采用EIOU作为边界框回归损失函数。对比实验表明,优化后模型在Fer2013数据集上检测精度P达到了74.5%,比优化前提升了2.5%,mAP_(0.5)达到了77.6%,比优化前提升了1.6%;在自构建数据集上检测精度P达到了88.3%,比优化前提升了5.2%,mAP_(0.5)达到了87.4%,比优化前提升了1.7%。结果表明,改进的YOLOv5模型能有效提高学生课堂面部表情识别的检测精度。