基于多尺度融合特征网络的表情识别研究

在人脸表情识别任务中场景和表情数据丰富且复杂的情况下,卷积神经网络难以提取具有代表性的表情特征,因此提出一种多尺度融合特征网络.首先,在卷积神经网络前端引入具有不同大小卷积块的Inception V2 结构,既增强了网络模型提取表情图片局部特征的能力,又减少了网络模型的训练参数量;然后,利用Grad-CAM热力权重可视化技术绘制热力权重分布图,通过1×1 卷积块构建融合特征,使其同时兼具浅层局部特征和深层语义特征;最后,将 BN 结构和Dropout结构引入改进网络结构中,以防止模型出现过拟合或欠拟合问题.在公开数据集FER2013 和融合数据集(CK+、JAFFE 和RaFD)上进行实验,结果表明该方法的识别准确率更高、泛化能力更强.