用于面部表情识别的深度多面部块聚合网络
计算机视觉与模式识别
2020-03-17 v1 人工智能
机器学习
图像与视频处理
摘要
在本文中，我们提出了一种基于深度多面部块聚合网络的面部表情识别（FER）方法。利用深度子网络从面部块中学习深度特征，并在一个深度架构内聚合以进行表情分类。若干因素可能影响基于深度学习的FER方法的性能，尤其是现有FER数据集规模较小，可能不足以训练大型深度学习网络。此外，收集和标注大量面部图像极为耗时。为此，我们提出了两种用于面部表情生成的数据增强技术以扩充FER标注训练数据集。我们在三个FER数据集上评估了所提框架。结果表明，当模型在同一数据集的图像上训练和测试时，所提方法达到了最先进的FER深度学习方法的性能。此外，所提数据增强技术提升了表情识别率，因此可作为利用小数据集训练深度学习FER模型的解决方案。在测试数据集偏差时准确率显著下降。
引用
@article{arxiv.2002.09298,
title = {Deep Multi-Facial Patches Aggregation Network For Facial Expression Recognition},
author = {Ahmed Rachid Hazourli and Amine Djeghri and Hanan Salam and Alice Othmani},
journal= {arXiv preprint arXiv:2002.09298},
year = {2020}
}
备注
This article arXiv:2002.09298 is an updated version of arXiv:1909.10305