التعرف على تعبيرات الوجه باستخدام شبكة ResNet خفيفة الوزن قائمة على آلية الانتباه
摘要
بالنظر إلى المشاكل المتعلقة بنموذج شبكة ResNet18 في التعرف على تعبيرات الوجه مثل كبر حجم النموذج وانخفاض الدقة، تم اقتراح نموذج شبكة ResNet خفيف الوزن قائم على آلية الانتباه (Multi-Scale CBAM Lightweight ResNet، MCLResNet)، والذي يمكنه تحقيق التعرف على تعبيرات الوجه بدقة عالية ومع عدد أقل من المعلمات. أولاً، تم استخدام ResNet18 كشبكة أساسية لاستخراج السمات، وتم إدخال الالتفاف المُجزأ لتقليل عدد معلمات ResNet18؛ كما تم استخدام هيكل الفرق العكسي لزيادة عمق الشبكة وتحسين فعالية استخراج سمات الصورة. ثانيًا، تم استبدال طبقة الاتصال المشترك في وحدة الانتباه القنوي CBAM (وحدة الانتباه الكتلي التلافيفي) بوحدة التفاف 1×3، مما قلل من فقدان معلومات القنوات بفعالية؛ وأُضيفت وحدة التفاف متعددة المقاييس إلى وحدة الانتباه المكاني للحصول على معلومات سمات مكانية بمقاييس مختلفة. أخيرًا، تمت إضافة وحدة CBAM متعددة المقاييس (Multi-Scale CBAM، MSCBAM) المدمجة مع سمات الفضاء المتعددة إلى نموذج ResNet خفيف الوزن، مما زاد بشكل فعال من قدرة تعبير السمات في النموذج. بالإضافة إلى ذلك، تم إضافة طبقة اتصال كاملة إلى طبقة الإخراج للنموذج المُدمج بـ MSCBAM لزيادة التمثيل غير الخطي عند الإخراج. أظهرت نتائج التجارب على مجموعتي البيانات FER2013 وCK+ أن النموذج المقترح يقلل من عدد المعلمات بنسبة 82.58٪ مقارنة بـ ResNet18، مع تحقيق دقة تعرف جيدة.
关键词
شبكة ResNet خفيفة الوزن; دمج سمات الفضاء متعددة المقاييس; التعرف على تعبيرات الوجه; آلية الانتباه
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website