一种在基于人脸的情绪识别中保护用户匿名性的对抗学习框架
机器学习
2020-01-20 v1 计算机视觉与模式识别
机器学习
摘要
图像与视频捕获技术已渗透进我们的日常生活。此类技术可在真实环境中持续监测个体的表情，使我们获得关于其情绪状态与转换的新见解，从而为新型健康与医疗应用铺平道路。然而，由于强烈的隐私担忧，这类技术的使用受到强烈质疑，因为当前基于深度学习的基于人脸的情绪识别系统在保留情绪特定信息之外，往往还保留大量与用户身份相关的信息。本文提出一种对抗学习框架，其依赖于通过迭代过程训练的卷积神经网络（CNN）架构，以最小化身份特定信息并最大化情绪依赖信息。所提方法通过情绪分类与人脸辨识指标进行评估，并与两个 CNN 比较：一个仅训练用于情绪识别，另一个仅训练用于人脸辨识。实验使用 Yale Face Dataset 与 Japanese Female Facial Expression Database 进行。结果表明，所提方法可学习一种卷积变换，在保持情绪识别准确率的同时降低人脸身份识别能力，为隐私感知的情绪识别技术奠定基础。
引用
@article{arxiv.2001.06103,
title = {An adversarial learning framework for preserving users' anonymity in face-based emotion recognition},
author = {Vansh Narula and Zhangyang and Wang and Theodora Chaspari},
journal= {arXiv preprint arXiv:2001.06103},
year = {2020}
}