用于无源跨域面部表情识别的聚类级伪标签
计算机视觉与模式识别
2022-10-12 v1 人工智能
摘要
从视觉数据中自动理解情绪是人类行为理解的一项基础任务。尽管为面部表情识别（FER）设计的模型在许多数据集上表现出色，但由于领域偏移，当在不同数据集上进行训练和测试时，它们通常会出现严重的性能下降。此外，由于人脸图像被视为高度敏感的数据，通常无法获取大规模数据集用于模型训练。在本研究中，我们通过提出首个用于 FER 的无源无监督领域自适应（SFUDA）方法来解决上述问题。我们的方法利用自监督预训练从目标数据中学习良好的特征表示，并提出了一种新颖且鲁棒的聚类级伪标签策略，该策略考虑了簇内统计信息。我们在四种自适应设置中验证了该方法的有效性，证明其在应用于 FER 时始终优于现有的 SFUDA 方法，并且与在 UDA 设置下处理 FER 的方法表现相当。
关键词
引用
@article{arxiv.2210.05246,
title = {Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition},
author = {Alessandro Conti and Paolo Rota and Yiming Wang and Elisa Ricci},
journal= {arXiv preprint arXiv:2210.05246},
year = {2022}
}
备注
Accepted at BMVC2022, 13 pages, 4 figures, code is available at https://github.com/altndrr/clup