无注意力胶囊网络的面部表情识别方法

作     者：许学斌 刘晨光 路龙宾 曹淑欣 徐宗瑜 XU Xuebin;LIU Chenguang;LU Longbin;CAO Shuxin;XU Zongyu

作者机构：西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2023年第59卷第22期

页      面：251-258页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61673316) 陕西省教育厅项目(16JK1697) 陕西省重点研发计划(2017GY-071) 陕西省技术创新引导项目(2017XT-005) 咸阳市科技计划项目(2017K01-25-3)。 

主　　题：深度学习 胶囊神经网络 面部表情识别 稀疏多层感知机(sMLP) sMLP-CapsNet 

摘      要：表情识别技术可以从人类的表情中分析出识别对象的情感活动,针对面部表情图像复杂的空间关系和特征信息时,不能建立有效特征提取和映射模型的问题,稀疏多层感知机(spare multilayer perceptron,sMLP)使用很少的参数量让每个空间位置进行交流,而胶囊网络也可以表现特征的空间姿态信息,因此提出了一种新的面部表情识别模型sMLP-CapsNet,以提升表情识别空间关系映射的能力。采用CK+数据集和RAF-DB数据集,通过改进的胶囊神经网络从轮廓到细节提取面部表情图片特征,进而实现面部表情分类。相比于其他面部表情识别算法,模型精度提升效果明显,在CK+数据集和RAF-DB数据集上分别可达到99.48%以及85.69%的识别率,展现了该算法的先进性。