论文题目 | 作者 | 年份 | 关键词 | 链接 |
---|---|---|---|---|
基于多尺度分层双线性池化网络的细粒度表情识别 | 苏志明,王烈,蓝峥杰 | 2021 | 卷积神经网络;细粒度表情识别;多尺度;分层双线性池化;多层特征融合 | https://kns.cnki.net/kcms/detail/31.1289.tp.20210113.1259.002.html |
摘要
由于人脸表情细微的类间差异和显著的类内变化使得人脸表情识别困难而导致识别率低,为此提出了一个基于多尺度双线性池化神经网络的模型。首先,通过精心设计的三种不同的粗细尺度网络提取人脸表情全局特征。然后,引入了分层双线性池化层,集成多个同一网络以及不同网络的多尺度跨层双线性特征来捕获不同层级间的部分特征关系,从而增强模型对面部表情微妙特征表征的判别能力。最后,通过逐层反卷积融合多层特征信息,解决了神经网络通过多层卷积层、池化层提取特征时丢失部分关键特征的问题。该模型在 FER2013 和 CK+公开数据集上识别率最高达到 73.725%,98.28%,实验结果表明,所提出的方法能有效提高表情识别率,优于 SPLM、CL、JNS 等较新人脸表情识别算法。
创新点
本文方法在CK+和FER2013两个数据集都取得了最好