基于 ConvNeXt 之外的视觉自注意力机制面部表情识别网络
计算机视觉与模式识别
2025-04-15 v1
摘要
面部表情识别是人工智能领域的重要研究方向。尽管近年来取得了显著进展，但数据集分布不均、不同表情类别间相似性以及同一类别内不同主体间的差异仍是挑战。本文提出一种基于截断 ConvNeXt 方法（Conv-cut）的视觉面部表情信号特征处理网络，以提高面临挑战情况下的 FER 准确率。该网络采用截断的 ConvNeXt-Base 作为特征提取器，然后设计细节提取块（Detail Extraction Block）提取细节特征，引入自注意力机制以增强网络对提取特征的学习效果。为评估所提出的 Conv-cut 方法，本文在 RAF-DB 和 FERPlus 数据集上进行实验，结果表明该模型已实现最先进的性能。我们的代码可在 Github 上获取。
引用
@article{arxiv.2504.09077,
title = {A Visual Self-attention Mechanism Facial Expression Recognition Network beyond Convnext},
author = {Bingyu Nan and Feng Liu and Xuezhong Qian and Wei Song},
journal= {arXiv preprint arXiv:2504.09077},
year = {2025}
}