DeXpression：用于表情识别的深度卷积神经网络
计算机视觉与模式识别
2016-08-18 v2 机器学习
摘要
我们提出了一种用于面部表情识别的卷积神经网络（CNN）架构。该架构独立于任何手工特征提取，且性能优于先前提出的基于卷积神经网络的方法。我们可视化了网络自动学习到的特征，以提供更好的理解。使用标准数据集，即扩展Cohn-Kanade（CKP）和MMI面部表情数据库进行定量评估。在CKP数据集上，当前使用CNN的最先进方法达到99.2%的准确率。对于MMI数据集，目前情绪识别的最佳准确率为93.33%。所提出的架构在CKP上达到99.6%，在MMI上达到98.63%，因此性能优于使用CNN的现有技术水平。自动面部表情识别具有广泛的应用领域，如人机交互和安全系统。这是因为非语言线索是重要的沟通形式，并在人际交流中扮演关键角色。所提出架构的性能证实了该工作在实际应用中的有效性和可靠使用。
引用
@article{arxiv.1509.05371,
title = {DeXpression: Deep Convolutional Neural Network for Expression Recognition},
author = {Peter Burkert and Felix Trier and Muhammad Zeshan Afzal and Andreas Dengel and Marcus Liwicki},
journal= {arXiv preprint arXiv:1509.05371},
year = {2016}
}
备注
Under consideration for publication in Pattern Recognition Letters