基于对比预训练的面部表情识别主动学习
计算机视觉与模式识别
2023-07-07 v1
摘要
得益于大型模型和海量标注数据，深度学习在面部表情识别（FER）的成功中发挥了重要作用。然而，获取标注数据需要巨大的人力、时间与财力投入。尽管一些先前工作聚焦于利用不同无监督方法减少对大量标注数据的需求，另一种名为主动学习的有前景方法在FER背景下几乎未被探索。该方法涉及从未标注集合中挑选并标注最具代表性的样本，以在有限“标注预算”下实现最佳利用。在本文中，我们在三个公开FER数据集（FER13、RAF-DB和KDEF）上实现并研究了8种近期主动学习方法。我们的结果表明，现有主动学习方法在FER情境下表现不佳，可能受制于称为“冷启动”的现象，即初始标注样本集不能很好代表整个数据集。为解决此问题，我们提出对比自监督预训练，首先基于整个未标注数据集学习底层表示，随后应用主动学习方法，并观察到我们的两步方法相较随机采样提升达9.2%，相较无预训练的最佳现有主动学习基线提升达6.7%。我们将在研究发表后公开代码：github.com/ShuvenduRoy/ActiveFER。
引用
@article{arxiv.2307.02744,
title = {Active Learning with Contrastive Pre-training for Facial Expression Recognition},
author = {Shuvendu Roy and Ali Etemad},
journal= {arXiv preprint arXiv:2307.02744},
year = {2023}
}
备注
Accepted at 11th International Conference on Affective Computing and Intelligent Interaction (ACII'2023)