一种用于野外表情识别的多分辨率方法
计算机视觉与模式识别
2021-03-11 v1 人工智能
摘要
面部表情在人类交流中起着基础作用。事实上，它们通常揭示了超越口语的人们真实情绪状态。此外，基于视觉模式理解人类情感是任何人机交互系统的关键要素，也正因如此，面部表情识别（FER）任务引起了科学与工业界的兴趣。近年来，深度学习技术通过利用不同架构与学习范式在 FER 上达到了很高性能。在此背景下，我们提出一种多分辨率方法来解决 FER 任务。我们的直觉基于观察到人脸图像常以不同分辨率采集。因此，在训练模型时直接考虑此属性有助于在识别面部表情上获得更高性能。为此，我们使用类 ResNet 架构，配备 Squeeze-and-Excitation 模块，在 Affect-in-the-Wild 2 数据集上训练。由于无可用测试集，我们仅使用验证集进行测试与模型选择，在该集上我们对数据集所包含的七类表情分类达到了超过 90% 的准确率。
引用
@article{arxiv.2103.05723,
title = {A Multi-resolution Approach to Expression Recognition in the Wild},
author = {Fabio Valerio Massoli and Donato Cafarelli and Giuseppe Amato and Fabrizio Falchi},
journal= {arXiv preprint arXiv:2103.05723},
year = {2021}
}