AffWild Net 与 Aff-Wild 数据库

情绪识别是识别人们情绪的任务。通常通过分析人脸表情来实现。表示情绪有两种方式：分类法，以及使用效价和唤醒值的维度法。效价表示情绪的负面或正面程度，唤醒表示情绪的激活程度。近期与情绪识别相关的深度学习模型采用第二种方法，即效价和唤醒。此外，一个更有趣且对现实生活有用的概念是“野外”(in the wild)情绪识别。“野外”意味着用于识别任务分析的图像来自真实生活来源（在线视频、在线照片等），而非摆拍实验。因此，它们给图像引入了必须被建模的不可预测情况。本项目的目的是研究先前针对“野外”情绪识别概念所做的工作，设计一个以 Aff-wild 数据库为标准的新数据集，实现新的深度学习模型并评估结果。首先，介绍已有的数据库和深度学习模型。然后，受其启发创建一个新数据库，包含从在线来源收集的 106 个视频共 507,208 帧。接着，将数据在基于 CNN-M 架构的 CNN 模型中测试，以确认其可用性。接下来，实现本项目的主模型。那是一个可同时执行无监督与有监督学习的回归 GAN（Regression GAN）。更具体地说，它保持 GAN 的主要功能，即生成与真实图像一样好的伪造图像，同时还能预测真实与伪造图像的效价和唤醒值。最后，将先前创建的数据库应用于该模型，并展示与评估其结果。