韦赛远，林丽媛，张怡然

(天津科技大学电子信息与自动化学院，天津 300222)

人脸识别技术作为身份认证的重要工具，具有非接触式、成本低、方便快捷的特点[1]．同样，人脸表情识别技术由于其高信息量、情感交互的作用，吸引更多研究者的关注．随着计算机技术的不断发展，基于深度学习的人脸表情识别技术正在得到充分挖掘和应用．但是，由于口罩遮挡人脸表情的绝大部分信息，使得戴口罩的人脸表情识别具有高度复杂性，所以戴口罩的人脸表情识别技术的相关研究较少，识别的准确率一直偏低．目前，普遍关于人脸表情识别的研究都集中在无遮挡情况，其中王韦祥等[2]提出改进的双通道卷积神经网络模型，在JAFFE数据集和CK+数据集上均取得不错的识别效果，但是没有考虑到光照、遮挡对识别的影响．李勇等[3]提出一种跨连接的LeNet-5结构，学习低层次特征以弥补表情数据集样本不足带来的问题，但是该结构关注低层次特征而忽略了各层特征的相互关联，导致模型泛化性不好．王建霞等[4]提出一种改进的跨连接VGG[5]网络，将网络中的低层次特征与高层次特征进行融合以提高鲁棒性，并引入Inception网络结构加快收敛速度，在FER2013识别率(无口罩)达到72.76%，但该方法仅考虑了表情的类内差距较大的情况，对于混合表情识别率较差．

本文提出了一种M-Xception网络(Modified Xception Net)模型，实现戴口罩有遮挡的人脸表情识别．该网络简化了Xception冗杂的参数结构，保留残差机制和可分离卷积……