NCA-MobileNet:一种轻量化人脸表情识别方法

作     者：左义海 白武尚 何秋生 ZUO Yihai;BAI Wushang;HE Qiusheng

作者机构：太原工业学院工程训练中心山西太原030008 太原科技大学电子信息工程学院山西太原030024 

出 版 物：《液晶与显示》 (Chinese Journal of Liquid Crystals and Displays)

年 卷 期：2024年第39卷第4期

页      面：522-531页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 0703[理学-化学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：山西省自然科学基金(No.20210302123222) 山西省教学改革项目(No.J20221103) 

主　　题：表情识别 轻量化 注意力机制 特征提取 

摘      要：针对目前人脸面部表情识别方法存在参数量多、计算资源消耗大和识别精度低的问题,提出了一种基于条件协调注意力机制的轻量化人脸面部表情识别方法。首先,对MobileNet V3网络层数进行缩减,同时将倒残差结构中间通道数和输出通道数增大至原来的1.5~3.2倍,使用Mish代替Hardswish激活函数,实现特征提取后的非线性化。其次,引入改进的协调注意力机制,在张量信息嵌入中沿水平和竖直方向依次通过最大池化和平均池化进行编码,并通过张量信息集成产生具有全局感受野和精确位置信息特征,提取面部表情在空间和通道位置上的详细信息。最后,在公开数据集FERPlus和RAF-DB上进行实验,结果表明所提方法参数量降低15.91%,准确率分别为88.84%和85.90%,比改进前模型准确率分别提升0.83%和1.39%。该方法具有良好的识别性能,验证了所提方法的有效性。