基于轻量级神经网络的人脸表情识别研究

作     者：于成成 郭芝源 

作者机构：合肥师范学院计算机与人工智能学院安徽合肥230601 合肥师范学院青少年心理健康与危机智能干预安徽省哲学社会科学重点实验室安徽合肥230601 

出 版 物：《物联网技术》 (Internet of things technologies)

年 卷 期：2024年第14卷第8期

页      面：49-52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] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：安徽省哲学社会科学重点实验室开放基金项目(SYS2023B05) 合肥师范学院2023年度引进高层次人才科研资助基金项目(2023rcjj13) 

主　　题：人脸表情识别 轻量级神经网络模型 深度可分离卷积 MobileNet mini_Xception VGG16 

摘      要：表情是人与人进行情绪交流的主要媒介,人脸表情识别是计算机视觉领域的一个研究热点,在众多领域中应用广泛。目前,主流的人脸表情识别技术主要基于传统的卷积神经网络,但其网络结构复杂,参数量和计算量庞大。轻量级神经网络通过引入深度可分离卷积技术,在不影响或轻微降低识别准确率的前提下,能够大幅度缩减模型的参数量和计算复杂度。在轻量级神经网络的人脸表情识别研究中,通过构建MobileNet和mini_Xception两种轻量级神经网络模型,以传统的卷积神经网络VGG16为比较基准,分别在FER2013和CK+两个数据集上展开人脸表情识别实验。在FER2013数据集上,两个轻量级模型准确率下降了1.39个百分点和6.10个百分点,参数量却仅为VGG16的8.11%和0.15%。同样,在CK+数据集上,模型准确率分别下降了2.53个百分点和2.02个百分点,参数量分别是VGG16的9.6%和0.17%。实验结果证明了轻量级神经网络模型MobileNet和mini_Xception在人脸表情识别任务中的优越性。