基于深度卷积自编码器与支持向量回归的连续情绪识别
计算机视觉与模式识别
2020-02-03 v1 机器学习
摘要
自动面部表情识别是情绪识别与计算机视觉中的重要研究领域。其应用可见于多个领域,如医疗、驾驶员疲劳监测、社交机器人和若干其他人机交互系统。因此,机器能够高精度识别用户的情绪状态至关重要。近年来,深度神经网络在情绪识别中取得了巨大成功。本文中,我们提出一种基于面部表情识别的连续情绪识别新模型,采用基于迁移学习和自编码器的无监督学习方法。所提方法还包含预处理与后处理技术,有助于提升预测效价与唤醒维度的 concordance correlation coefficient (一致性相关系数)的性能。在RECOLA 2016数据集上预测自发与自然情绪的实验结果表明,基于视觉信息的所提方法对效价和唤醒分别可达到0.516和0.264的CCC。
引用
@article{arxiv.2001.11976,
title = {Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor},
author = {Sevegni Odilon Clement Allognon and Alessandro L. Koerich and Alceu de S. Britto},
journal= {arXiv preprint arXiv:2001.11976},
year = {2020}
}