表情识别的递归框架：从网络图像到深度模型再到游戏数据集
计算机视觉与模式识别
2016-08-05 v1
摘要
本文提出了一种递归框架，用于识别真实场景图像中的人脸表情。与传统方法通常专注于开发和改进算法以提升现有数据集上的识别性能不同，我们以递归方式整合了三个重要组成部分：人脸数据集生成、人脸表情识别模型构建以及用于测试和新数据收集的交互式界面。首先，我们创建了一个自发性人脸表情（CIFE）数据集。随后，我们将卷积神经网络（CNN）应用于 CIFE，构建了用于网络图像表情分类的 CNN 模型。为了提高表情识别准确率，我们对 CNN 模型进行了微调，从而获得了更优的 CNN 人脸表情识别模型。基于微调后的 CNN 模型，我们设计了一个人脸表情游戏引擎，并收集了一个新的、更平衡的数据集 GaMo。该数据集的图像采集自游戏用户在玩游戏时做出的不同表情。最后，我们评估了 GaMo 和 CIFE 数据集，结果表明我们的递归框架有助于构建更好的面部表情模型，以处理真实场景下的面部表情任务。
引用
@article{arxiv.1608.01647,
title = {A Recursive Framework for Expression Recognition: From Web Images to Deep Models to Game Dataset},
author = {Wei Li and Christina Tsangouri and Farnaz Abtahi and Zhigang Zhu},
journal= {arXiv preprint arXiv:1608.01647},
year = {2016}
}
备注
Submit to Machine Vision Application Journal. arXiv admin note: text overlap with arXiv:1607.02678