声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-5602/TP
国际刊号：1673-9418
发布日期:
作者：刘娟, 王颖, 胡敏, 黄忠
单位：1. 安庆师范大学 电子工程与智能制造学院，安徽 安庆 246133 2. 合肥工业大学 计算机与信息学院 情感计算与先进智能机器安徽省重点实验室，合肥 230009
关键词：人脸表情识别,全局增强特征,局部注意特征,自适应融合策略
为抑制自然场景下遮挡和姿态变化等因素对人脸表情识别的影响，提出一种融合全局增强-局部注意特征（GE-LA）的表情识别网络。为获取增强的全局上下文信息，构建通道-空间全局特征增强结构，该结构采用通道流模块（CFM）和空间流模块（SFM），分别获取对称多尺度通道语义以及像素级空间语义，并结合两类语义生成全局增强特征；为抽取局部细节特征，将高效通道注意力（ECA）机制改进为通道-空间注意力（CSA）机制，并以此构建局部注意模块（LAM）获取通道和空间高级语义。为提升网络对遮挡、姿态变化等因素的抗干扰能力，设计一种自适应策略实现全局增强特征和局部注意特征的加权融合，并基于自适应融合特征实现表情分类。在自然场景人脸表情数据集RAF-DB和FERPlus上的实验结果表明，提出网络的表情识别率分别为89.82%和89.93%，比基线网络ResNet50分别提高了13.39个百分点和10.62个百分点。与相关方法相比，提出方法降低了遮挡、姿态变化的影响，在自然场景下具有较好的表情识别效果。
来源：2024年第9期
《计算机科学与探索》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。