基于改进YOLOv8n的高精度面部表情情感检测方法技术

本发明专利技术公开了一种基于改进YOLOv8n的高精度面部表情情感检测方法，在保留YOLOv8n基本架构的同时，针对面部表情识别任务进行了优化，首先将YOLOv8n的骨干网络和颈部结构中的标准卷积模块替换为自适应多分支卷积模块，其次将大尺度可分离核注意力模块集成到YOLOv8n的骨干网络的第7层和第10层，增强了对关键面部特征的动态关注，最后在YOLOv8n的骨干网络和颈部结构中应用层间特征注入连接，建立第6层和第17层，以及第9层和第19层之间的跨层连接，通过建立浅层和深层特征间的直接连接，减少了信息损失，优化了多尺度特征融合，显著提升了面部表情情感检测的精度和效率。

【技术实现步骤摘要】

本专利技术属于情感检测，具体涉及一种基于改进yolov8n的高精度面部表情情感检测方法的设计。

技术介绍

1、目前情感检测技术在各个领域都至关重要，例如医疗康复和人机交互领域，例如应用于包括帮助预防、诊断和个性化治疗患者状况，通过人机交互提高学习效率，提高工作场所环境中的工作满意度和生产力，以及准确预测人群中的潜在安全风险等。然而，各种面部表情、表情之间的细微而复杂的差异以及不断变化的照明条件等挑战，使得难以准确捕捉和确定面部表情的细微变化，从而导致情感识别的准确率降低。因此，构建更有效的目标检测算法已成为提高面部情感检测的关键。

2、传统的目标检测算法依赖于手动构建的特征提取方法，例如尺度不变特征变换(sift)和加速稳健特征(surf)。这些方法本质上识别图像中的关键位置并计算局部不变特征以识别目标。然而，这些传统算法主要依赖于捕捉局部低级特征，这使得有效解释目标的语义信息变得困难。因此，当应用于复杂背景时，它们表现出很大的局限性。

3、为了提高检测性能，研究人员提出了机器学习算法，例如k近邻(knn)、支持向量机(svm)、决本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv8n的高精度面部表情情感检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进YOLOv8n的高精度面部表情情感检测方法，其特征在于，所述步骤S1包括以下分步骤：

3.根据权利要求1所述的基于改进YOLOv8n的高精度面部表情情感检测方法，其特征在于，所述改进YOLOv8n具体为：

4.根据权利要求3所述的基于改进YOLOv8n的高精度面部表情情感检测方法，其特征在于，所述自适应多分支卷积模块的处理方法具体为：

5.根据权利要求3所述的基于改进YOLOv8n的高精度面部表情情感检测方法，其特征在于，...

【技术特征摘要】

1.一种基于改进yolov8n的高精度面部表情情感检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于改进yolov8n的高精度面部表情情感检测方法，其特征在于，所述步骤s1包括以下分步骤：

3.根据权利要求1所述的基于改进yolov8n的高精度面部表情情感检测方法，其特征在于，所述改进yolov8n具体为：

4.根据权利要求3所述的基于改进yolov8n的高精度面部表情情感检测方法，其特征在于，所述自适应多分支卷积模块的处理方法具体为：

5.根据权利要求3所述的基于改进yolov8n的高精度面部表情情感检测方法，其特征在于，所述大尺度可分离核注意力模块的处理方法具体为：

6.根据权利要求3所述...

【专利技术属性】
技术研发人员：任万春，马艺嘉，卢睿智，魏东梅，黄榆杰，付可欣，梅浩，王耀祖，
申请(专利权)人：西南科技大学，
类型：发明
国别省市：