BReG-NeXt：使用带梯度有界自适应残差网络的面部情感计算
计算机视觉与模式识别
2020-04-22 v1
摘要
本文介绍了 BReG-NeXt，一种基于残差的网络架构，它在残差单元中使用具有有界导数的函数替代简单的捷径连接（即恒等映射），用于基于情感分类模型和维度模型的面部表情自动识别。与 ResNet 相比，我们提出的自适应复杂映射使得网络更浅，训练参数和每秒浮点运算次数（FLOPs）更少。在旁路函数中添加可训练参数进一步改善了网络的拟合与训练，从而能以更高准确率识别诸如蔑视等细微面部表情。我们在 AffectNet、FER2013 和 Affect-in-Wild 等具有挑战性的自然场景数据库上，对情感的分类模型和维度模型进行了全面实验。实验结果表明，我们的自适应复杂映射方法优于由简单恒等映射构成的原始 ResNet 以及其他最先进的面部表情识别（FER）方法。我们在两种情感模型下报告了多种指标，以提供对我们方法的全面评估。在分类模型中，仅具有 3.1M 训练参数和 15 MFLOPs 的 BReG-NeXt-50，在 AffectNet 和 FER2013 数据库上分别达到了 68.50% 和 71.53% 的准确率。在维度模型中，BReG-NeXt 在 AffectNet 和 Affect-in-Wild 数据库上分别取得了 0.2577 和 0.2882 的 RMSE 值。
引用
@article{arxiv.2004.08495,
title = {BReG-NeXt: Facial Affect Computing Using Adaptive Residual Networks With Bounded Gradient},
author = {Behzad Hasani and Pooran Singh Negi and Mohammad H. Mahoor},
journal= {arXiv preprint arXiv:2004.08495},
year = {2020}
}
备注
To appear in IEEE Transactions on Affective Computing journal