人与机器的面部表情识别比较：基于CAM、GradCAM与极端扰动的方法
计算机视觉与模式识别
2021-10-12 v1
摘要
面部表情识别（FER）是心理学和机器学习中均备受关注且应用广泛的研究课题。尽管关于人类FER的研究十分丰富，且深度神经网络（DNNs）使计算式FER取得了显著进展，但关于DNNs在多大程度上可与人类表现相媲美的比较研究仍相对较少。在本工作中，我们在二选一强制选择FER任务中比较了人类与机器的识别性能和注意力模式。人类注意力通过逐步揭示人脸的点击数据收集，而可解释AI中三种流行的技术——CAM、GradCAM和Extremal Perturbation——被用于获取机器注意力。两种情况下均以正确率作为性能指标。对于该任务，我们发现人类表现明显优于机器。在注意力模式方面，我们发现Extremal Perturbation与该任务中的人类注意力图整体拟合最佳。
引用
@article{arxiv.2110.04481,
title = {Comparing Facial Expression Recognition in Humans and Machines: Using CAM, GradCAM, and Extremal Perturbation},
author = {Serin Park and Christian Wallraven},
journal= {arXiv preprint arXiv:2110.04481},
year = {2021}
}