计算机工程与科学

作者：严春满, 张翔, 王青朋

单位：（西北师范大学物理与电子工程学院，甘肃 兰州 730070）

关键词：人脸表情识别,轻量级网络,MobileNetV2,倒残差模块,通道注意力,

基金：国家自然科学基金(61961037)；甘肃省教育厅2021年度产业支撑计划(2021CYZC-30)

针对现有深度卷积神经网络参数量庞大，导致人脸表情识别场景受限的问题，提出一种基于改进轻量级卷积神经网络的人脸表情识别模型。该模型以MobileNetV2轻量级特征提取网络为主要框架，通过压缩网络宽度因子与整体维度，减少网络参数量与计算量；引入SandGlass模块对网络倒残差模块进行改进，减少特征信息在网络传输中的丢失；同时嵌入高效通道注意力机制，提高网络对于特征信息的提取能力。在人脸表情数据集FER2013和CK+上进行实验，所提网络模型的人脸表情识别准确率达到了68.96%与95.96%，分别高于MobileNetV2 1.06%与6.14%，且参数量下降82.28%，实验结果验证了网络模型改进措施的有效性。

来源：2023年第6期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第6期