众所周知,人脸情绪的表达在人类交流当中占有非常大的一部分,也是人类交流的一种沟通手段。随着人工智能的迅猛成长,各大智能产品已运用到生活当中,生活智能已经成为了21世纪的新标签,而人脸情绪识别的运用也在逐步的融入到产品和生活当中,让各大智能产品愈发智能,可见人脸情绪识别的研究在其中的重要性。并且虽然传统方法对于人脸情绪识别的研究已有了一定的效果,但是其提取特征主要还是基于手工且误差性较大,而在人工智能的大背景下,深度学习方法对于视觉处理已进入了迅速发展时期,利用神经网可以更全面的提取特征,故本文对基于深度学习的人脸情绪识别问题进行了深入的研究,其具体工作内容如下:提出了基于注意力机制的人脸情绪识别算法。首先面对随着网络模型的训练过程,长时间的训练使得网络可能会对原本信息产生“失忆”,故本文设计了基于注意力机制的人脸情绪识别算法,主要是结合注意力模块将网络专注于人脸关键部位。首先本文将其数据集利用Open CV进行了数据增强等预处理操作,而整体网络模型结构主要包含了三大部分,分别为空间变换器,主干网络以及注意力模块,在空间变换器网络部分,本文进行对比了两种基于卷积层和基于全连接层的变换器网络,最后采用了基于卷积层的变换器网络;在主干网络当中本文采用了基于Alexnet网络为基准网络将其中3*3卷积替换为3*3,1*3和3*1卷积等不对称卷积加以增强主干;最后在主干网络第一层与最后一层加入改进后的注意力模块使其专注于人脸关键部位。综合以上设计的模型结构对于各个数据集的识别率有着不错的效果。提出了基于involution算子的双通道特性人脸情绪识别算法。由于在卷积当中,利用卷积核具有空间不变性和通道特异性进行的改进网络模型如今已是白热化阶段,而本文反其道而行利用involution算子的通道不变性和空间特异性设计了基于involution算子和convolution算子的双通道双特性卷积网络。首先本文利用involution算子设计了involution分支网络,以Alexnet网络为基准将其卷积核替换为involution算子,因为其通道不变性特点,故在每次involution前加入1*1卷积进行改变通道,然后基于此通道网络与卷积神经网络进行了并联形成双通道卷积网络,得到的网络结构在多个数据集上识别率效果明显。设计并实现了人脸情绪识别系统。本文最后搭建了基于深度学习的人脸情绪识别系统,利用Py Qt模块,采用python语言和Py Torch框架,此系统可实现模型选择,视频识别和静态图片识别等功能,给用户带来多功能性体验。