半监督方法在面部表情识别中的分析
计算机视觉与模式识别
2022-08-02 v1
摘要
训练用于图像识别的深度神经网络通常需要大规模人工标注数据。为减少深度神经方案对标注数据的依赖，文献中已提出最先进的半监督方法。然而，此类半监督方法在面部表情识别（FER）领域的应用相当少见。在本文中，我们对近期提出的最先进半监督学习方法在FER语境下展开全面研究。我们在三个FER数据集（FER13、RAF-DB与AffectNet）上，在使用不同数量标注样本时，对八种半监督学习方法（即Pi-Model、Pseudo-label、Mean-Teacher、VAT、MixMatch、ReMixMatch、UDA与FixMatch）进行比较研究。我们还将这些方法的性能与全监督训练进行比较。我们的研究表明，当在每类仅少至250个标注样本上训练现有半监督方法时，可取得与在全标注数据集上训练的全监督方法相当的性能。为促进该领域进一步研究，我们在 https://github.com/ShuvenduRoy/SSL_FER 公开我们的代码。
引用
@article{arxiv.2208.00544,
title = {Analysis of Semi-Supervised Methods for Facial Expression Recognition},
author = {Shuvendu Roy and Ali Etemad},
journal= {arXiv preprint arXiv:2208.00544},
year = {2022}
}
备注
Accepted at IEEE 10th International Conference on Affective Computing and Intelligent Interaction (ACII), 2022