面向面部情绪识别的深度进化方法
神经与进化计算
2020-10-14 v2 计算机视觉与模式识别
机器学习
摘要
深度面部表情识别面临两个均源于大量可训练参数的挑战：训练时间长与缺乏可解释性。我们提出一种基于进化算法的新方法，通过大幅减少可训练参数数量来应对这两个挑战，同时保持分类性能，且在某些情况下取得更优性能。我们稳健地能够将参数数量平均减少95%（例如从2M减至100k参数），且分类精度无损失。该算法学习选择图像中相对于鼻子携带最重要情绪信息的小块区域，这些区域与人类典型选择的重要特征相吻合。我们的工作实现了一种新形式的注意力，并表明在深度学习时代，进化算法是机器学习的有价值补充，既可用于减少面部表情识别的参数数量，也可提供有助于减少偏差的可解释特征。
引用
@article{arxiv.2009.14194,
title = {Deep Evolution for Facial Emotion Recognition},
author = {Emmanuel Dufourq and Bruce A. Bassett},
journal= {arXiv preprint arXiv:2009.14194},
year = {2020}
}
备注
Conference of the South African Institute of Computer Scientists and Information Technologists 2020