传统的表情识别方法虽然具有较高的识别精度，但数据处理的速度较慢。针对传统表情识别方法无法及时捕捉微表情变化的问题，提出了一种基于改进YOLOv5s的微表情识别方法。在YOLOv5s的主干网络结构中添加具有无参注意力机制的SimAM模块，在不增加原模型参数的基础上分配三维注意力权重，以提高模型的特征提取能力。实验结果表明，改进YOLOv5s模型的平均精度均值比原YOLOv5s模型更高，能够实时捕捉微表情的变化，满足实时任务的需求。
科研之友
微信
新浪微博
Facebook
分享链接
