多尺度分层双线性池化网络的细粒度表情识别

摘要

鉴于人脸表情类别间的细微差异以及类别内部显著的变化造成了表情识别难度而导致识别率偏低

创新点

本文方法在CK+和FER2013两个数据集上均表现出色，在两项测试中均获得了最优的结果。其创新性在于成功整合了多层次的多尺度表情特征提取机制，在深入分析面部表情细微变化的基础上实现了对复杂情感状态的有效建模。通过巧妙运用反卷积操作整合各层次特征并重构关键信息路径，在逐步还原面部表象细节的过程中显著提高了模型性能，并在此基础上实现了对各层次之间关系的有效建模与优化

详细改写说明

本文开发了三种不同粗细尺度的网络用于提取人脸表情特征的主要干部分析过程。在神经网络中引入多尺度特征融合模块，并自主融合主干网络的多尺度特征信息。
本文进一步深入研究了不同通道数和升维高维度空间对MHBP算法的影响，并提出了一种多层次信息整合方法。
实验结果显示：通过多层次特征整合方法能够有效弥补信息丢失的部分，