EAC-Net：一种基于区域深度增强与裁剪的面部动作单元检测方法
计算机视觉与模式识别
2017-02-10 v1
摘要
在本文中，我们提出了一种基于深度学习的面部动作单元检测方法，通过增强和裁剪感兴趣区域来实现。该方法通过在预训练的 CNN 模型中添加两个新颖的网络（层）：增强层和裁剪层来实现。对于增强层，我们设计了一种基于面部 landmarks 特征的注意力图，并将其应用于预训练神经网络以进行增强学习（E-Net）。对于裁剪层，我们在检测到的 landmarks 周围裁剪面部区域，并设计卷积层以学习每个面部区域的更深层次特征（C-Net）。随后，我们将 E-Net 和 C-Net 融合，得到我们的增强与裁剪（EAC）网络，该网络能够同时学习特征增强和区域裁剪功能。与应用于 BP4D 和 DISFA AU 数据集的最先进方法相比，我们的方法显示出显著的性能提升。
引用
@article{arxiv.1702.02925,
title = {EAC-Net: A Region-based Deep Enhancing and Cropping Approach for Facial Action Unit Detection},
author = {Wei Li and Farnaz Abtahi and Zhigang Zhu and Lijun Yin},
journal= {arXiv preprint arXiv:1702.02925},
year = {2017}
}
备注
The paper is accepted by FG 2017