论文研究-基于改进卷积神经网络的多视角人脸表情识别.pdf

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。