文献类型：期刊文章

作　　者：钱勇生[1] 邵洁[1] 季欣欣[1] 李晓瑞[1] 莫晨[1] 程其玉[1]

QIAN Yongsheng;SHAO Jie;JI Xinxin;LI Xiaorui;MO Chen;CHENG Qiyu(College of Electronics and Information Engineering,Shanghai University of Electric Power,Shanghai 200090,China)

机构地区：[1]上海电力学院电子与信息工程学院,上海200090

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金青年科学基金项目(No.61302151;No.61401268);上海市自然科学基金(No.15ZR1418400)

年　　份：2018

卷　　号：54

期　　号：24

起止页码：12-19

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：人脸表情识别是计算机视觉领域的研究热点之一。针对自然状态下的人脸存在多视角变化、脸部信息缺失等问题,提出了一种基于MVFE-LightNet(Multi-View Facial Expression Lightweight Network)的多视角人脸表情识别方法。首先,在残差网络的基础上设计卷积网络提取不同视角下的表情特征,引入深度可分离卷积来减少网络参数。其次,嵌入压缩和奖惩网络模块学习特征权重,利用特征重新标定方式提高网络表示能力,并通过加入空间金字塔池化增强网络的鲁棒性。最后,为了进一步优化识别结果,采用AdamW(Adam with Weight decay)优化方法使网络模型加速收敛。在RaFD、BU-3DFE和Fer2013表情库上的实验表明,该方法具有较高的识别率,且减少网络计算时间。

关 键 词：多视角人脸表情识别  MVFE—LightNet  残差网络  深度可分离卷积  压缩和奖惩网络模块  空间金字塔池化  

分 类 号：TP391.41]