用于人脸图像表情分类的深度多面部块聚合网络
人机交互
2020-02-25 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
人机交互中的情商已吸引来自心理学、计算机视觉、神经科学、人工智能及相关学科等多学科研究领域研究人员的日益关注。人类倾向于自然地与计算机面对面交互。人类表情是更好地连接人与计算机的重要关键。因此，设计能够理解人类表情与情绪的界面可改善人机交互（HCI）以实现更好的沟通。本文中，我们通过一种用于面部表情识别（FER）的深度多面部块聚合网络来研究人机交互。从面部局部提取深度特征并聚合以进行表情分类。若干问题可能影响所提框架的性能，例如FER数据集规模小以及需学习的参数数量多。为此，提出两种用于面部表情生成的数据增强技术以扩充带标签训练数据。所提框架在扩展的Cohn-Kanade数据集（CK+）上进行了评估，并取得了有前景的结果。
引用
@article{arxiv.1909.10305,
title = {Deep Multi-Facial patches Aggregation Network for Expression Classification from Face Images},
author = {Amine Djerghri and Ahmed Rachid Hazourli and Alice Othmani},
journal= {arXiv preprint arXiv:1909.10305},
year = {2020}
}
备注
we have a new version of the paper arXiv:2002.09298