· 唐宏伟;丁祥;邓嘉鑫;高方坤;罗佳强;王军权;
为解决自然条件下人脸表情识别易受角度、光线、遮挡物的影响以及人脸表情数据集各类表情数量不均衡等问题，提出基于Res2Net的人脸表情识别方法。使用Res2Net50作为特征提取的主干网络，在预处理阶段对图像随机翻转、缩放、裁剪进行数据增强，提升模型的泛化性。引入广义平均池化(generalized mean pooling, GeM)方式，关注图像中比较显著的区域，增强模型的鲁棒性；选用Focal Loss损失函数，针对表情类别不平衡和错误分类问题，提高较难识别表情的识别率。该方法在FER2013数据集上准确率达到了70.41%,相较于原Res2Net50网络提高了1.53%。结果表明，在自然条件下对人脸表情识别具有更好的准确性。