优化双线性ResNet34的人脸表情识别

为了能够更准确且快速地识别人脸表情,提出了一种优化的基于ResNet34网络的双线性结构(OBSR-Net)来进行人脸表情识别. OBSR-Net采用双线性网络结构作为整体框架,主干网络使用ResNet34网络,通过平移不变的方式对局部成对特征交互进行建模,从而提取更加完整有效的特征,同时采用迁移学习的策略来降低人脸表情小样本图像数据集对深度学习方法的限制.此外,在训练过程中使用一种新的通用优化技术,即梯度集中.该方法通过将梯度向量集中到零均值来直接对梯度进行操作,可以看作是一种具有约束损失函数的投影梯度下降方法. OBSR-Net在Fer2013和CK+两个公开数据集上进行实验,分别取得了77.65%和98.82%的识别准确率.实验结果表明,与其他先进的人脸表情识别方法相比, OBSR-Net表现出较强的竞争力.