현재 얼굴 표정 인식 방법이 파라미터 수가 많고 계산 자원 소모가 크며 인식 정확도가 낮은 문제를 해결하기 위해 조건 조정 주의 메커니즘 기반의 경량 얼굴 표정 인식 방법이 제안되었다. 먼저 MobileNet V3 네트워크 층 수를 줄이고, 역잔차 구조의 중간 채널 수와 출력 채널 수를 원래의 1.5~3.2배로 늘리며 Hardswish 활성화 함수를 Mish로 대체하여 특징 추출 후 비선형성을 구현하였다. 둘째, 향상된 조정 주의 메커니즘을 도입하여 텐서 정보 임베딩에서 수평 및 수직 방향으로 순차적으로 최대 풀링과 평균 풀링을 통해 인코딩하고, 텐서 정보 통합을 통해 전역 수용 영역과 정확한 위치 정보 특징을 생성하여 얼굴 표정의 공간 및 채널 위치의 세부 정보를 추출한다. 마지막으로 공개 데이터셋 FERPlus와 RAF-DB에서 실험을 진행하였으며, 결과는 제안한 방법의 파라미터 수가 15.91% 감소하고 정확도는 각각 88.84%와 85.90%로 개선 전 모델 대비 각각 0.83%와 1.39% 향상되었음을 보여주었다. 본 방법은 우수한 인식 성능을 가지며 제안 방법의 유효성을 검증하였다.

표정 인식;경량화;주의 메커니즘;특징 추출