基于多任务时序统计深度学习模型的野外环境情感表达分析
计算机视觉与模式识别
2020-03-06 v3
摘要
情感行为分析在人机交互、客户营销、健康监测中发挥着重要作用。ABAW 挑战赛与 Aff-Wild2 数据集提出了在野外环境下分类基本情绪与回归效价-唤醒值的全新挑战。本文提出一种应对上述挑战的情感表达分析模型。我们的方法包含 STAT 与时序模块，用于对人脸特征模型进行再次微调。我们在 Aff-Wild2 数据集上进行了实验，该数据集是 ABAW 挑战赛的大规模数据集，同时标注了类别型情绪与效价-唤醒情绪。我们在验证集上取得了 0.543 的表达分数与 0.534 的效价-唤醒分数。
引用
@article{arxiv.2002.09120,
title = {Affective Expression Analysis in-the-wild using Multi-Task Temporal Statistical Deep Learning Model},
author = {Nhu-Tai Do and Tram-Tran Nguyen-Quynh and Soo-Hyung Kim},
journal= {arXiv preprint arXiv:2002.09120},
year = {2020}
}