轻量化改进 ResNet 模型在面部情绪投入检测中的应用

波宏 刘(海南师范大学国际教育学院，中国)
莹 聂(海南师范大学国际教育学院，中国)

摘要

面部情绪投入检测是智能教育、人机交互、心理评估与课堂行为分析中的重要研究方向。传统情绪识别方法依赖人工特征提取，面对光照变化、姿态偏移和表情细微差异时稳定性不足。ResNet模型凭借残差结构在图像特征提取方面表现良好，但原始网络参数量较大、计算开销较高，难以满足移动端、嵌入式设备和实时课堂场景的部署需求。针对这一问题，可从网络结构压缩、深度可分离卷积替换、注意力机制嵌入、特征融合优化和模型训练策略改进等方面对ResNet进行轻量化改造，使其在保持识别精度的同时降低计算复杂度。轻量化改进ResNet模型应用于面部情绪投入检测，能够更高效地识别学习者专注、积极、困惑、疲惫等情绪状态，为学习过程评价和个性化干预提供技术支持。

关键词

轻量化ResNet；面部情绪；投入检测；深度学习；智能教育

参考

段函作,潘溢洲,寇嘉铭,等.基于改进ResNet18模型的驾驶员面部表情识别方法[J].传感器与微系统,2025,44(06):29-32+37.

苏童.基于面部特征的轻量化驾驶情绪检测模型研究[D].安徽理工大学,2024.

张海涛.基于轻量化模型的驾驶员表情识别方法研究[D].内蒙古工业大学,2025.

苏童.基于面部特征的轻量化驾驶情绪检测模型研究[D].安徽理工大学,2024.

温晓宇.面向真实课堂的轻量化学生表情识别模型及应用研究[D].云南师范大学,2024.

DOI: http://dx.doi.org/10.12345/jxffcxysj.v9i10.39531