面向视频面部表情识别的平滑预测粗细级联网络
计算机视觉与模式识别
2022-04-21 v4
摘要
面部表情识别在人机交互中起着重要作用。本文提出具有平滑预测的粗细级联网络(CFC-SP)以提升面部表情识别性能。CFC-SP 包含两个核心组件,即粗细级联网络(CFC)与平滑预测(SP)。对于 CFC,其首先将若干相似情绪分组形成粗略类别,随后采用一个网络进行粗略但准确的分类;之后,进一步使用一个针对这些分组情绪的附加网络以获得细粒度预测。对于 SP,其通过捕获通用与独特两类表情特征来提升模型识别能力:通用特征表示一段时间内面部情绪的普遍特征,独特特征表示当前时刻的特定特征。在 Aff-Wild2 上的实验表明了所提 CFSP 的有效性。我们在第三届野外情感行为分析竞赛的表情分类挑战赛中取得第三名。代码将发布于 https://github.com/BR-IDL/PaddleViT。
引用
@article{arxiv.2203.13052,
title = {Coarse-to-Fine Cascaded Networks with Smooth Predicting for Video Facial Expression Recognition},
author = {Fanglei Xue and Zichang Tan and Yu Zhu and Zhongsong Ma and Guodong Guo},
journal= {arXiv preprint arXiv:2203.13052},
year = {2022}
}
备注
CVPRW