深入歧义：面向面部表情识别的潜分布挖掘与成对不确定性估计
计算机视觉与模式识别
2021-04-02 v1
摘要
由于主观标注以及面部表情固有的类间相似性，面部表情识别（FER）的关键挑战之一是标注歧义。本文中，我们提出一种名为DMUE的解决方案，从两个角度解决标注歧义问题：潜分布挖掘与成对不确定性估计。对于前者，引入一个辅助多分支学习框架以更好地挖掘和描述标签空间中的潜分布。对于后者，充分利用实例间语义特征的成对关系来估计实例空间中的歧义程度。所提方法与骨干架构无关，且不会给推理带来额外负担。实验在流行的真实世界基准和合成噪声数据集上进行。无论何种情况，所提DMUE均稳定地取得领先性能。
引用
@article{arxiv.2104.00232,
title = {Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition},
author = {Jiahui She and Yibo Hu and Hailin Shi and Jun Wang and Qiu Shen and Tao Mei},
journal= {arXiv preprint arXiv:2104.00232},
year = {2021}
}
备注
Accepted by CVPR21