摘要

面部表情识别在医疗健康、教育、市场营销与销售等多个领域均发挥了重要作用，推动了相关研究的广泛开展。近年来，研究者们致力于利用深度学习技术提升表情识别的性能，其核心目标是融合先进的特征提取方法与更高的分类准确率。本文提出了一种名为FerNeXt的面部表情检测方法，该方法基于现有的ConvNeXt网络架构。在ConvNeXt结构中引入了高效的通道注意力（Efficient Channel Attention, ECA）模块，以增强模型对关键通道特征的关注能力。同时，为优化类别间的可分性，引入了亲和力损失函数（Affinity Loss Function）。该方法在AffectNet和RAF-DB两个大规模数据集上进行了实验验证，结果表明，所提出的模型表现出优异的性能，准确率持续高于现有先进方法，在多个评估指标上均优于当前主流的面部表情识别技术。