摘要
近年来，面部情绪识别（Facial Emotion Recognition, FER）因其在生物特征识别、心理疾病检测、人类行为理解及心理画像等领域的广泛应用而受到广泛关注。然而，构建一个准确且鲁棒的FER系统仍面临诸多挑战，主要原因在于多种因素导致情绪之间的泛化能力受限。这些挑战包括面部姿态变化、面部结构异质性、光照条件差异、遮挡、图像分辨率低以及年龄变化等。为应对上述问题，研究者提出了多种方法，例如方向梯度直方图（Histogram of Oriented Gradients, HOG）和局部二值模式（Local Binary Pattern, LBP）直方图等。然而，这些传统方法依赖于人工特征选择，存在效率低、泛化能力有限等问题。卷积神经网络（Convolutional Neural Networks, CNN）的出现有效克服了这一缺陷，凭借其独特的特征提取机制，在FER任务中展现出巨大潜力，显著优于传统模型。本文提出一种新型CNN架构，通过在视觉几何组（Visual Geometry Group, VGG）网络层之间嵌入U-Net分割模块，使网络能够更聚焦于特征图中的关键信息，同时有效抑制冗余信息在VGG层间的传递。该设计增强了模型对重要特征的捕捉能力，提升了整体表征性能。在FER-2013数据集上的实验结果表明，所提模型在单一网络架构中达到了当前最优（State-of-the-Art, SOTA）的识别准确率，显著优于其他主流FER模型。