基于注意特征融合和联合损失的表情识别网络

针对目前表情识别任务中模型结构复杂、参数量大及准确率低的问题,提出了一种基于注意特征融合和联合损失的人脸表情识别模型。在构建的网络模型中加入注意力特征融合模块,解决融合不同尺度特征时出现的信息丢失的问题。将卷积神经网络筛选得到的浅层特征与深层特征进行融合,以保证网络能够充分学习到图像的不同语义特征信息,提升判别效果。为了减小表情类内距离、增大类间差别,采用了联合损失函数对模型进行训练,提升模型的识别准确率。使用改进后的模型在表情数据集RAF-DB、CK+和Fer2013上测试,分别达到了83.7%、96.5%和70.3%的准确率,在降低模型参数量的同时保证了准确率,对于未来移动端设备进行人脸表情识别具有一定的参考价值。