面部表情起源的深度学习视角
计算机视觉与模式识别
2017-05-11 v2
摘要
面部表情在人类交流和行为中起着重要作用。心理学家长期研究面部表情与情绪之间的关系。Paul Ekman等人设计了面部动作编码系统(FACS)以对人类面部表情进行分类并建模其行为。自动识别面部表情的能力，使人机交互、社交游戏和心理学研究等领域的新应用成为可能。该领域已有非常活跃的研究，近期若干论文利用卷积神经网络(CNN)进行特征提取与推断。在本文中，我们采用CNN理解方法，研究这些计算网络所使用的特征与FACS及动作单元(AU)之间的关系。我们在扩展Cohn-Kanade (CK+)、NovaEmotions和FER2013数据集上验证了我们的发现。我们利用迁移学习将这些模型应用于各种任务与测试，包括跨数据集验证和跨任务性能。最后，我们利用基于FER的CNN模型的性质来检测微表情，并使用简单的长短期记忆(LSTM)循环神经网络(RNN)达到了最先进的准确率。
引用
@article{arxiv.1705.01842,
title = {A Deep Learning Perspective on the Origin of Facial Expressions},
author = {Ran Breuer and Ron Kimmel},
journal= {arXiv preprint arXiv:1705.01842},
year = {2017}
}