Super-Resolution Image Facial Expression Recognition using Deep Learning: A Complete Improved Approach

Abstract

在过去的几年里，研究计算机如何更好地理解人类情感取得了重大进展。面部表情识别 （FER） 技术是这项工作的重点。本文提出了一种基于改进的卷积神经网络Faster Regions（Faster R-CNN）的人脸检测和面部表情识别方法。在完全改进方法中，从网络结构和数据优化两点对模型进行了改进。我们在结构上为Faster R-CNN引入了一种新的多尺度融合策略，可以同时获得浅层和深层信息，以增加相似面部表情之间的差距。数据优化有两个对 FER 有利的增强模块。通过重建超分辨率图像，一是提高图像质量。另一个是通道组合，这可以帮助关注面部纹理信息。实验结果表明，FER方法在日本女性面部表情（JAFFE）、扩展Cohn-Kanade（CK+）数据库和SFEW中取得了进步。它是一种完整的实时面部表情识别方法。