基于AU引导的无监督域自适应面部表情识别
计算机视觉与模式识别
2021-03-19 v2
摘要
不同面部表情识别(FER)数据集之间不可避免地存在包括标注不一致与图像采集条件各异的域差异,这为将在一个数据集上训练的FER模型迁移到另一数据集带来了明显挑战。近期工作主要关注利用对抗学习机制的域不变深度特征学习,忽略了已取得巨大进展的同源面部动作单元(AU)检测任务。考虑到AU客观决定面部表情,本文提出一种AU引导的无监督域自适应FER(AdaFER)框架,以缓解不同FER数据集间的标注偏置。在AdaFER中,我们首先在源域与目标域上利用先进模型进行AU检测。然后,我们比较AU结果以执行AU引导标注,即拥有与源脸相同AU的目标脸将从源域继承标签。同时,为实现域不变紧凑特征,我们利用AU引导的三元组训练,在两域上基于AU随机收集锚—正—负三元组。我们在多个流行基准上进行了充分实验,结果表明AdaFER在所有这些基准上均取得最先进结果。
引用
@article{arxiv.2012.10078,
title = {AU-Guided Unsupervised Domain Adaptive Facial Expression Recognition},
author = {Kai Wang and Yuxin Gu and Xiaojiang Peng and Panpan Zhang and Baigui Sun and Hao Li},
journal= {arXiv preprint arXiv:2012.10078},
year = {2021}
}
备注
This is a very simple CD-FER framework