公开(公告)号：CN119049101A

公开(公告)日：2024-11-29

申请号：CN202411006751.4

申请日：2024-07-25

Applicant: 南昌大学

Inventor： 林德钰 ,  喻泽龙 ,  苏婵 ,  危建国 ,  夏洁文 ,  刘哲 ,  於阳

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于深度学习的方法近年来在面部表情识别（FER）方面取得了实质性进展，但小规模数据集在训练过程中会导致过拟合。本发明提出了一种基于注意力LSGB网络的面部表情识别方法，该方法精确地聚焦于判别注意区域，并在ImageNet上对模型进行预训练，以缓解过拟合问题。具体来说，在局部关系模块中，提出了一种更高效的方法，通过局部像素对的组合关系，结合一个键图、多个局部图和一个位置图来构建更高层次的实体。通过区域特征聚合一个紧凑的全局加权表示，将原始图像和区域图像放到自注意力模块的顺序层中，得到全局加权表示的权重。在三个流行的基准测试上的实验结果表明，本发明的LSGB网络在FERplus上的优势为88.8%，在AffectNet上的优势为58.68%，在JAFFE上的优势为94.9%。