一种基于多尺度扩张卷积的虚拟数字人表情识别方法及系统

本发明涉及表情识别技术领域，尤其是涉及一种基于多尺度扩张卷积的虚拟数字人表情识别方法及系统。方法，包括：对获取的图像数据进行预处理；基于预处理的数据构建基于多尺度扩张卷积的神经网络模型，利用预处理的图像数据训练神经网络模型；将训练后的模型应用于图像处理，输出表情识别结果；根据识别结果驱动虚拟数字人生成表情动画。本发明通过多尺度扩张卷积融合注意力模块（MDFA）和坐标注意力协同机制，实现多层级表情特征的高效提取与融合，通过全局平均池化与1×1卷积降维策略，低分辨率输入的"惊讶"表情识别准确率提升7.8%。