用于七类基本面部表情分类的贝叶斯卷积神经网络
计算机视觉与模式识别
2021-07-14 v2
摘要
七类基本面部表情分类是表达复杂人类情感的基本方式，也是人工智能研究的重要部分。基于传统贝叶斯神经网络框架，本文构建的 ResNet18_BNN 网络在以下三方面做了改进：(1) 提出由不确定参数的 KL 损失与特定参数的交叉熵损失组成的新目标函数。(2) 针对特殊目标函数，提出交替更新这两类参数的训练方案。(3) 仅对最后卷积组的参数建模。通过在 FER2013 测试集上的测试，我们在 PublicTestSet 和 PrivateTestSet 上分别取得 71.5% 和 73.1% 的准确率。相比传统贝叶斯神经网络，我们的方法带来了最高的分类准确率增益。
引用
@article{arxiv.2107.04834,
title = {Bayesian Convolutional Neural Networks for Seven Basic Facial Expression Classifications},
author = {Yuan Tai and Yihua Tan and Wei Gong and Hailan Huang},
journal= {arXiv preprint arXiv:2107.04834},
year = {2021}
}