面向表情识别的高效神经架构搜索
计算机视觉与模式识别
2023-03-27 v1
摘要
基于人脸表情的自动化人类情绪识别是一个研究充分但仍极具挑战性的任务。文献中已提出一些高效或精确的深度学习模型。然而，设计一个同时高效且精确的模型相当困难。此外，识别面部区域中宏表情与微表情的细微特征变化需要网络设计方面的专业知识。本文中，我们提出为宏级别与微级别面部表情识别搜索一种高效且鲁棒的神经网络架构。据我们所知，这是首次尝试设计基于NAS（神经架构搜索）的宏表情与微表情识别解决方案。我们利用基于梯度的架构搜索算法生成轻量级模型。为保持宏表情与微表情之间的一致性，我们采用动态成像并将微表情序列转换为单帧，从而保留面部区域中的时空特征。EmoNAS在13个数据集上进行了评估（7个宏表情数据集：CK+、DISFA、MUG、ISED、OULU-VIS CASIA、FER2013、RAF-DB，以及6个微表情数据集：CASME-I、CASME-II、CAS(ME)2、SAMM、SMIC、MEGC2019 challenge）。所提模型优于现有SOTA方法，并在速度与空间复杂度方面表现优异。
引用
@article{arxiv.2303.13653,
title = {Efficient Neural Architecture Search for Emotion Recognition},
author = {Monu Verma and Murari Mandal and Satish Kumar Reddy and Yashwanth Reddy Meedimale and Santosh Kumar Vipparthi},
journal= {arXiv preprint arXiv:2303.13653},
year = {2023}
}