基于CBAM-DSC网络的表情识别方法

宋文博 高璐 苗壮 林克正

摘要：针对人脸表情网络模型参数复杂和计算性能偏低等问题，提出一种基于卷积注意力机制和深度可分离卷积 （convolutional block attention moduledepthwise separable convolution， CBAMDSC）网络的表情识别方法。网络使用深度可分离卷积与传统卷积相结合，提出的改进的Inception模块通过不同分支提取不同特征信息的同时减少了网络参数量，提高网络运行的效率。最后添加了卷积注意力机制模块，能够使网络提取特征时重点关注关键信息，从而使得提取到的特征表达信息更准确，更利于分类。在RAFDB数据集和CK+数据集上的仿真实验表明，网络模型CBAMDSC具有较高的识别率，消融实验中相比传统CNN（convolutional neural network）网絡的参数量减少了6.4%，提升了计算性能。

关键词：Inception；深度可分离卷积；注意力机制；表情识别