[发明专利]一种融入注意力的残差网络表情识别方法

摘要

本发明提供的一种融入注意力的残差网络表情识别方法，对原CBAM进行优化改进，在获取通道重要度权重的策略上，采用特征融合训练的方法，提升了模型的拟合能力，增强了关键性通道特征的表示。将改进后的CBAM融入到ResNet模型的残差学习模块中，与特征提取层以先后串行结构融合构建了新的网络模型RARNet，将注意力模块融入到残差结构中，通过残差网络的捷径连接，避免了因网络深度的加深而出现的网络退化的情况。该模型加深了对表情判别性特征的表示，抑制了不必要特征，以小参数量的增加提升了对表情的特征提取性能。改进后的CBAM属于轻量级结构，RARNet以较小参数量的增加在FER2013和CK+数据集上取得了比传统网络模型和其他相关方法更好的识别效果。