AffectNet+：一个利用软标签增强面部表情识别的数据库
计算机视觉与模式识别
2024-10-31 v1
摘要
自动面部表情识别 (FER) 因类内变化和类间相似性而具有挑战性。当面部表情反映多种情绪的混合（又称复合表情）时，FER 可能尤其困难。现有的 FER 数据集，如 AffectNet，提供离散的情绪标签（硬标签），其中为一种表情分配单一的情绪类别。为了缓解类间和类内挑战，并提供更好的面部表情描述符，我们提出了一种通过标记方法创建 FER 数据集的新方法，其中为图像标记不止一种情绪（称为软标签），每种情绪具有不同的置信度。具体来说，我们为面部表情数据集引入了软标签的概念，这是一种情感计算的新方法，旨在更真实地识别面部表情。为实现这一目标，我们提出了一种精确计算软标签的新颖方法：一个表示多种情绪类别在单个面部表情中同时存在程度的向量。寻找更平滑的决策边界、支持多标签以及减轻偏差和数据不平衡是我们所提方法的一些优势。基于 AffectNet，我们推出了下一代面部表情数据集 AffectNet+。该数据集包含软标签、三类数据复杂度子集以及额外的元数据，如年龄、性别、种族、头部姿态、面部关键点、效价和唤醒度。AffectNet+ 将向研究人员公开。
引用
@article{arxiv.2410.22506,
title = {AffectNet+: A Database for Enhancing Facial Expression Recognition with Soft-Labels},
author = {Ali Pourramezan Fard and Mohammad Mehdi Hosseini and Timothy D. Sweeny and Mohammad H. Mahoor},
journal= {arXiv preprint arXiv:2410.22506},
year = {2024}
}