重庆理工大学学报（自然科学）

重庆理工大学学报（自然科学） ›› 2023, Vol. 37 ›› Issue (11): 157-165.

• “数据科学与人工智能的理论与应用”专栏 • 上一篇    下一篇

多流残差网络结合改进 ＳＶＭ模型的面部表情识别

郝秉华，吴 华   

  1. （内蒙古财经大学 计算机信息管理学院，呼和浩特 １０００１０）
  • 出版日期:2023-12-14 发布日期:2023-12-14
  • 作者简介:郝秉华，女，硕士，讲师，主要从事图像识别研究，Ｅｍａｉｌ：３２７３０２９９＠ｑｑ．ｃｏｍ。

Multi-stream residual network combined with improved SVM model for facial expression recognition

  • Online:2023-12-14 Published:2023-12-14

PDF (PC)

106

赞

摘要： 针对人脸面部表情特征复杂且目标较小，导致大量人工智能算法难以稳定识别的 问题，提出一种多流残差网络结合改进支持向量机（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）模型的面部表 情识别方法。该方法由信息增强、表情特征提取和表情分类三阶段组成。首先，提出自适应多 流信息增强模块，突出图像关键信息，提升特征关联程度；其次，提出残差交互融合模块，提取特 征图像的空间信息并突出面部表情特征，输出 ３条不同尺度的特征图像保证后续稳定识别；最 后，对 ３条特征图像使用改进后的 ＳＶＭ进行表情分类，输出识别结果。实验结果表明：所提方 法在 ＣＫ＋、ＦＥＲ２０１３及 ＪＡＦＦＥ数据集上的准确率分别达到 ９８．５７％、７７．２８％、９６．２４％，均优于 对比的经典及新颖算法，为 ＡＩ表情识别领域提供了新思路。

关键词: 深度学习, 表情识别, 支持向量机, 交互残差, 信息增强

中图分类号: 

  • ＴＰ３９１