7ABAW：基于课程学习的复合表情识别
计算机视觉与模式识别
2025-03-12 v1
摘要
随着深度学习的出现，表情识别取得了显著进展。然而，由于带标注的复合表情数据集有限以及复合表情的细微变化，复合表情识别 (CE) 仍具有巨大的探索潜力。为了推进这项任务，第七届自然场景情感行为分析 (ABAW) 竞赛推出了基于 C-EXPR-DB（一个无标签的有限数据集）的复合表情挑战赛。在本文中，我们提出了一个基于课程学习的框架，该框架首先在单表情任务上训练模型，随后引入多表情数据。这种设计确保我们的模型在接触复合情绪的复杂性之前，先掌握基本表情的基础特征。具体而言，我们的设计可总结如下：1) 单表情预训练：首先在包含单表情的数据集上训练模型，以学习与基本情绪相关的基础面部特征。2) 动态复合表情生成：鉴于带标注的复合表情数据集稀缺，我们在原始单表情图像上采用 CutMix 和 Mixup 技术来创建展现多种基本情绪特征的混合图像。3) 增量多表情整合：在单表情任务上表现良好后，逐步让模型接触多表情数据，使模型适应复合表情的复杂性和多变性。官方结果表明，我们的方法在该竞赛赛道中取得了最佳性能，F-score 为 0.6063。我们的代码已在 https://github.com/YenanLiu/ABAW7th 发布。
引用
@article{arxiv.2503.07969,
title = {7ABAW-Compound Expression Recognition via Curriculum Learning},
author = {Chen Liu and Feng Qiu and Wei Zhang and Lincheng Li and Dadong Wang and Xin Yu},
journal= {arXiv preprint arXiv:2503.07969},
year = {2025}
}
备注
Accepted by ECCVWorkshop as the report of the first place in 7th ABAW Track2 Competition