基于EfficientNet改进的人脸表情识别方法  

作　　者：梁逢财 居锦武 石睿 

机构地区：[1]四川轻化工大学计算机科学与工程学院,四川宜宾610000

出　　处：《九江学院学报(自然科学版)》2025年第1期77-82,共6页Journal of Jiujiang University:Natural Science Edition

基　　金：国家自然科学基金(编号42074218)的研究成果之一。

摘　　要：近年来,计算机视觉技术的飞跃推动了面部情感识别技术的长足进步,使机器得以洞察面部信号的微妙之处。文章创新性地提出改进EfficientNet架构,在深度学习模型中巧妙融合了卷积神经网络、高效多尺度注意力(EMA)机制、RFAConv优势。ECA模块的引入,在不进行通道降维的情况下,通过分组和多尺度并行子网络来捕捉全局和局部的空间依赖关系,然后通过跨空间学习,将全局和局部特征进行融合,增强模型对复杂视觉任务的表现。进一步地,采用RFAConv替换输入层的普通卷积,通过动态生成接收野空间特征和计算注意力权重,解决了传统卷积操作中参数共享导致的局限性。该研究在CK+、RAF-DB两大开源数据库上的实验验证显示,改进的Efficient Net分别取得了98.77%、82.82%的卓越准确率,超越当前主流模型。

关 键 词：情绪识别 高效多尺度注意力 RFAConv 卷积神经网络 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]