基于优化YOLOv7-Tiny的表情识别算法

作     者：常星花 王建荣 

作者机构：太原学院数学系 山西大学数学与统计学院 

出 版 物：《测试技术学报》 (Journal of Test and Measurement Technology)

年 卷 期：2025年

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] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 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：中国博士后科学基金资助项目(2021M692400) 山西省基础研究计划项目(202303021212360) 山西省高等学校科技创新计划项目(2023L379) 山西省高等学校科技创新平台项目(2022P016) 

主　　题：目标检测 YOLOv7-tiny 注意力机制 Mish CARAFE 

摘      要：表情识别不仅能够提升人机交互体验，推动情感计算的发展，还可以辅助心理健康评估和治疗，提升社会安全和监控效率。为了提高表情识别的检测平均精度，提出了一种基于优化YOLOv7-tiny的表情识别算法。首先，将YOLOv7-tiny中原有的激活函数替换为Mish函数，提高了模型的优化能力；在YOLOv7-tiny的主干网络上再增加CA注意力机制，提高了对目标感兴趣区域的注意，增加了检测的平均精度；最后，将Neck层的上采样部分替换为轻量级上采样算子CARAFE，提高了特征融合能力。实验结果表明，优化后算法的检测效果有了明显的提升，与原始YOLOv7-tiny相比，模型的mAP@0.5提高了1.6百分点，达到88.6%, mAP@0.5:0.95提高了1.3百分点，达到64%；图片检测速度达到每张图片5.0 ms，而且模型保持了轻量化。