結(jié)合超輕量級雙注意力模塊的ShuffleNetV2面部表情識別

摘要： 針對面部表情識別領(lǐng)域中難以同時實現(xiàn)低參數(shù)量與高準(zhǔn)確率的挑戰(zhàn)，提出了一種結(jié)合注意力機制的ShuffleNetV2網(wǎng)絡(luò)的面部表情識別方法。該方法基于ShuffleNetV2架構(gòu)，通過微調(diào)模型將Relu激活函數(shù)替換為PRelu激活函數(shù)，進(jìn)一步提升了模型的特征捕獲與分類能力。此外，本文創(chuàng)新性地引入了一種超輕量級雙注意力模塊LDAM,該模塊結(jié)合了DCAM注意力機制與空間注意力機制，并通過... （共7頁）