基于域判别与梯度反转的面部表情分类器域适应
计算机视觉与模式识别
2021-06-04 v1 机器学习
摘要
若机器能够理解用户意图并更好地满足其需求，为计算机系统赋予共情能力将显著提升人机交流的质量。根据多项研究（文献综述），视觉信息是人类交互最重要的渠道之一，并包含可从面部表情捕捉的重要行为信号。因此，过去十年中面部表情识别（FER）领域的研究兴趣日益增长是合理且自然的，其应用广泛涵盖医疗、社会学、心理学、驾驶安全、虚拟现实、认知科学、安全、娱乐、营销等。我们针对 FER 任务提出一种新架构，并考察域判别损失正则化对学习过程的影响。结合经典训练条件与无监督域适应场景的观察，我们梳理了所考虑域适应方法集成的关键方面。相关结果可作为该领域进一步研究的基础。
引用
@article{arxiv.2106.01467,
title = {Domain Adaptation for Facial Expression Classifier via Domain Discrimination and Gradient Reversal},
author = {Kamil Akhmetov},
journal= {arXiv preprint arXiv:2106.01467},
year = {2021}
}