一项基于改进的移动网络V2网络的表情识别研究
Qiming Zhu1, Hongwei Zhuang2, Mi Zhao3
1College of Equipment Support and Management, Engineering University of PAP, Xi'an, 710086, China.
Scientific reports
|April 6, 2024
概括
这项研究引入了一个改进的MobileNetV2 (I-MobileNetV2) 面部情绪识别,显著减少参数,同时提高准确性. 增强型号解决了功能丢失,并改善了实时性能,以更好地检测情绪.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 深层卷积神经网络通常具有很大的参数数量.
- 像MobileNetV2这样的轻量级神经网络可能会遭受功能信息丢失,实时性能差以及面部情绪识别的准确性低.
研究的目的:
- 为面部情绪识别提出一个改进的MobileNetV2 (I-MobileNetV2) 策略.
- 解决现有模型的局限性,包括大参数数量和特征信息丢失.
主要方法:
- 从MobileNetV2中继承了深度可分离的卷积,以减少计算负载.
- 整合了反向融合机制,以保留负面特征并最大限度地减少信息丢失.
- 用SELU取代RELU6激活功能,以防止梯度消失.
- 整合了Squeeze-and-Excitation Networks (SE-Net) 的注意力道机制,以提高特征识别.
主要成果:
- 在FER2013上,I-MobileNetV2模型实现了68.62%的准确性,在CK+数据集上达到95.96%.
- 与原来的MobileNetV2.2.相比,精度提高了0.72% (FER2013) 和6.14% (CK+),比原来的MobileNetV2.2.更准确.
- 参数数量减少了83.8%,表明更轻的模型.
结论:
- 拟议的I-MobileNetV2模型显示了面部情绪识别准确性和效率的显著改进.
- 反向融合,SELU激活和SE-Net的集成有效地提高了特征识别,并降低了模型的复杂性.
