一种用于群体层面情绪识别的注意力模型
计算机视觉与模式识别
2018-07-11 v1
摘要
本文提出一种新方法来对包含人群的图像的全局情绪进行分类。为完成此任务，我们考虑两种不同且互补的信息源：i) 整幅图像的全局表示；（ii）仅考虑人脸的局部表示。图像的全局表示由卷积神经网络（CNN）学习，而局部表示通过注意力机制融合人脸特征获得。两种表示先由两条独立的 CNN 分支分别学习，再通过拼接融合以得到最终的群体情绪分类器。在 EmotiW 2018 群体层面情绪识别挑战赛中，我们将所提模型的若干变体组合为集成模型，在测试集上取得 64.83% 的最终准确率，在所有参赛队伍中排名第 4。
引用
@article{arxiv.1807.03380,
title = {An Attention Model for group-level emotion recognition},
author = {Aarush Gupta and Dakshit Agrawal and Hardik Chauhan and Jose Dolz and Marco Pedersoli},
journal= {arXiv preprint arXiv:1807.03380},
year = {2018}
}
备注
5 pages, 3 figures, 2 tables