用于面部情感计算的受限残差梯度网络（BReG-Net）
计算机视觉与模式识别
2020-04-17 v1
摘要
基于残差的神经网络在各种视觉识别任务（包括面部表情识别（FER））中已展现出卓越的结果。尽管人们已做出巨大努力来使用深度神经网络（DNNs）提升 FER 系统的性能，现有方法对于实际应用而言仍不够泛化。本文介绍了用于面部表情识别的受限残差梯度网络（BReG-Net），其中 ResNet 模块输入与输出之间的快捷连接被替换为具有有界梯度的可微函数。这种配置防止了网络面临梯度消失或爆炸问题。我们表明，使用此类非线性单元将得到性能更优的更浅网络。此外，通过使用赋予代表性较低类别更高优先级的加权损失函数，我们可以实现整体更好的识别率。我们的实验结果表明，在野外的三个公开面部数据库上，BReG-Nets 在情感的类别模型与维度模型上均优于最先进的方法。
引用
@article{arxiv.1903.02110,
title = {Bounded Residual Gradient Networks (BReG-Net) for Facial Affect Computing},
author = {Behzad Hasani and Pooran Singh Negi and Mohammad H. Mahoor},
journal= {arXiv preprint arXiv:1903.02110},
year = {2020}
}
备注
To appear in 14th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2019)