Angesichts der bestehenden Probleme bei Methoden zur Gesichtsausdruckserkennung, wie hoher Parameteranzahl, großem Rechenressourcenverbrauch und geringer Erkennungsgenauigkeit, wird eine leichtgewichtige Methode zur Gesichtsausdruckserkennung basierend auf einem bedingten koordinierten Aufmerksamkeitsmechanismus vorgeschlagen. Zunächst wird die Schichtanzahl des MobileNet V3-Netzwerks reduziert, während die Anzahl der mittleren und Ausgabekanäle in der invertierten Residualstruktur auf das 1,5- bis 3,2-fache des Originals erhöht wird, und die Aktivierungsfunktion Hardswish durch Mish ersetzt wird, um nach der Merkmalsextraktion Nichtlinearität zu erreichen. Zweitens wird ein verbesserter koordinierter Aufmerksamkeitsmechanismus eingeführt, bei dem die Codierung der Tensorinformationen entlang der horizontalen und vertikalen Richtung nacheinander durch Max-Pooling und Durchschnitts-Pooling erfolgt, und durch die Integration der Tensorinformationen Merkmale mit einem globalen Rezeptivfeld und genauen Positionsinformationen erzeugt werden, um Gesichtsdetails in räumlicher und Kanalposition zu extrahieren. Schließlich werden Experimente auf den öffentlichen Datensätzen FERPlus und RAF-DB durchgeführt, deren Ergebnisse zeigen, dass die Parameteranzahl der vorgeschlagenen Methode um 15,91 % reduziert wird, die Genauigkeit bei 88,84 % bzw. 85,90 % liegt, was eine Verbesserung der Genauigkeit um 0,83 % bzw. 1,39 % gegenüber dem verbesserten Modell darstellt. Die Methode weist eine gute Erkennungsleistung auf und bestätigt die Wirksamkeit der vorgeschlagenen Methode.

Ausdruckserkennung;leichtgewichtig;Aufmerksamkeitsmechanismus;Merkmalsextraktion