面向微表情识别的深度学习：综述
计算机视觉与模式识别
2022-10-11 v5 人机交互
摘要
微表情（MEs）是高利害情境下揭示人们隐藏情感的非自愿面部运动，在医疗、国家安全、审讯及许多人机交互系统中具有实际重要性。早期的MER方法主要基于传统的表观与几何特征。近来，随着深度学习（DL）在各领域的成功，神经网络在MER中受到越来越多的关注。与宏表情不同，MEs是自发的、细微的、快速的面部运动，导致数据收集困难，因而数据集规模较小。基于DL的MER因上述ME特性而具挑战性。迄今，已提出多种DL方法来解决ME问题并提升MER性能。本综述对深度微表情识别（MER）进行了全面回顾，包括数据集、深度MER流程及最具影响力方法的基准测试。本综述为该领域定义了新的分类体系，涵盖基于DL的MER各个方面。对于每个方面，总结并讨论了基本方法与先进进展。此外，我们总结了鲁棒深度MER系统设计的剩余挑战与潜在方向。据我们所知，这是首个深度MER方法综述，可作为未来MER研究的参考点。
引用
@article{arxiv.2107.02823,
title = {Deep Learning for Micro-expression Recognition: A Survey},
author = {Yante Li and Jinsheng Wei and Yang Liu and Janne Kauttonen and Guoying Zhao},
journal= {arXiv preprint arXiv:2107.02823},
year = {2022}
}
备注
20 pages, 8 figures