ResNet18ネットワークモデルが顔表情認識においてモデルサイズが大きく精度が低いという問題に対し、注意機構に基づく軽量ResNetネットワークモデル（Multi-Scale CBAM Lightweight ResNet、MCLResNet）を提案した。本モデルはパラメータ数を抑えつつ高い精度で顔表情認識を実現できる。まず、ResNet18をバックボーンネットワークとして特徴抽出に用い、グループ畳み込みを導入してResNet18のパラメータ数を削減し、逆残差構造によりネットワークの深さを増やし画像特徴抽出効果を最適化した。次に、CBAM（Convolutional Block Attention Module）のチャネル注意モジュールにおける共有全結合層を1×3の畳み込みモジュールに置き換え、チャネル情報の損失を効果的に減少させた。また、CBAMの空間注意モジュールにマルチスケール畳み込みモジュールを追加し、異なるスケールの空間特徴情報を取得した。最後に、多スケール空間特徴を融合したCBAMモジュール（Multi-Scale CBAM、MSCBAM）を軽量ResNetモデルに追加し、ネットワークモデルの特徴表現力を効果的に向上させた。さらに、MSCBAMを導入したネットワークモデルの出力層に全結合層を追加し、出力時の非線形表現を増強した。本モデルはFER2013及びCK+データセットでの実験結果により、提案モデルのパラメータ数がResNet18に比べて82.58％減少し、かつ良好な認識精度を示したことが確認された。

軽量ResNetネットワーク;マルチスケール空間特徴融合;顔表情認識;注意機構