文献类型：期刊文章

作　　者：吴怡啄[1] 杨定礼[2] 周辉[1] 朱小豪[1]

WU Yizhuo;YANG Dingli;ZHOU Hui;ZHU Xiaohao(Faculty of Automation,Huaiyin Institute of Technology,Huai’an Jiangsu 223003,China;Faculty of Electronic Information Engineering,Huaiyin Institute of Technology,Huai’an Jiangsu 223003,China)

机构地区：[1]淮阴工学院自动化学院,江苏淮安223003 [2]淮阴工学院电子信息工程学院,江苏淮安223003

出　　处：《电子器件》

年　　份：2023

卷　　号：46

期　　号：4

起止页码：1062-1069

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对传统面部识别方法中网络模型重要通道特征关注度欠缺、参数过多、准确率低等问题,提出一种基于改进VGG19网络(Visual Geometry Group,VGG19)的表情识别方法。该方法在VGG19网络的每组卷积层之间都加入一个新模块,新模块由三方面组成:SE注意力机制模块、BN批量归一化层、PReLU激活函数,SE模块中的原激活函数ReLU替换为Mish激活函数,加速收敛,提升网络对面部细节关注度;对全连接层参数量进行修改,去除第一层全连接层和第二层全连接层,最大池化层替换为全局混合池化,达到卷积层加全局混合池化、一层全连接层的组合。原网络中全连接层节点数由[4096,4096,1000]改进为[512,7],改善了VGG网络庞大参数量的特征,增加抗过拟合效果。在CK+和FER-2013表情数据集上准确率分别达到98.990%和73.112%,证明所提方法具有较好的泛化性和准确率。

关 键 词：VGG19  改进SE模块  面部表情识别

分 类 号：TN911.73] TP183]