用于面部表情识别的感知卷积神经网络
计算机视觉与模式识别
2025-12-09 v1
摘要
卷积神经网络（CNNs）可以自动学习数据模式来表达面部图像以进行面部表情识别（FER）。然而，它们可能忽略了面部分割对FER的影响。在本文中，我们提出了一种用于FER的感知CNN，即PCNN。首先，PCNN可以利用五个并行网络基于眼睛、脸颊和嘴巴同时学习局部面部特征，从而实现对FER中细微变化的敏感捕捉。其次，我们利用多域交互机制将局部感觉器官特征与全局面部结构特征进行注册和融合，以更好地表达面部图像用于FER。最后，我们设计了一个双阶段损失函数来限制获得的感觉信息和重建面部图像的精度，以保证PCNN在FER中的性能。实验结果表明，我们的PCNN在多个实验室和真实世界FER基准上取得了优异结果：CK+、JAFFE、FER2013、FERPlus、RAF-DB以及遮挡和姿态变化数据集。其代码可在 https://github.com/hellloxiaotian/PCNN 获取。
引用
@article{arxiv.2512.06422,
title = {A Perception CNN for Facial Expression Recognition},
author = {Chunwei Tian and Jingyuan Xie and Lingjun Li and Wangmeng Zuo and Yanning Zhang and David Zhang},
journal= {arXiv preprint arXiv:2512.06422},
year = {2025}
}
备注
in IEEE Transactions on Image Processing (2025)