基于 4K 分辨率数据库的情绪识别
计算机视觉与模式识别
2019-10-25 v1
摘要
通过面部表情对人类情绪进行分类是计算机视觉与深度学习领域的一大课题。人类情绪可被分类为基本情绪类型之一(如愤怒、高兴)或具有效价与唤醒值的维度情绪。该课题存在诸多相关挑战,其中最著名的挑战之一称为“Affect-in-the-wild Challenge”(Aff-Wild 挑战)。这是首个关于自然场景下效价与唤醒值估计的挑战。本项目是 Aff-wild 挑战的扩展。Aff-wild 数据库使用平均分辨率为 607*359 的图像创建,我与 Dimitrios 试图探明在以包含 4K 分辨率自然场景图像数据库训练时模型的性能。由于不存在满足需求的现有数据库,我在 Dimitrios 的帮助下从零构建了该数据库,并在此数据库上以不同超参数训练了神经网络模型。我使用了 VGG16、AlexNet、ResNet 等网络模型以及一些预训练模型如 ImageNet VGG。我将不同网络模型的结果与 Aff-wild 数据库的结果进行比较,以发掘适用于我数据库的最优模型。
引用
@article{arxiv.1910.11276,
title = {Emotion recognition with 4kresolution database},
author = {Qian Zheng},
journal= {arXiv preprint arXiv:1910.11276},
year = {2019}
}