一种用于改进情绪识别的个性化情感记忆神经模型
计算机视觉与模式识别
2020-06-02 v2 人工智能
摘要
近期的情绪识别模型强烈依赖于有监督深度学习方案来区分一般性情绪表达。然而，在识别在线和个性化面部表情（例如针对特定个体的情感理解）时，它们并不可靠。在本文中，我们提出了一种基于条件对抗自编码器的神经模型，以学习如何表示和编辑一般性情绪表达。然后我们提出将 Grow-When-Required 网络作为个性化情感记忆来学习情绪表达的个体化方面。我们的模型在 in-the-wild 数据集上评估时实现了情绪识别的 state-of-the-art 性能。此外，我们的实验包括消融研究和神经可视化，以解释我们模型的行为。
引用
@article{arxiv.1904.12632,
title = {A Personalized Affective Memory Neural Model for Improving Emotion Recognition},
author = {Pablo Barros and German I. Parisi and Stefan Wermter},
journal= {arXiv preprint arXiv:1904.12632},
year = {2020}
}
备注
Accepted by the International Conference on Machine Learning 2019 (ICML2019)