基于空间注意力与时间Softmax池化的情绪识别
机器学习
2019-10-07 v2 计算机视觉与模式识别
机器学习
摘要
基于视频的情绪识别是一项具有挑战性的任务，因为它需要区分代表人脸情绪的小幅形变，同时对因不同身份造成的更强视觉差异保持不变性。最先进的方法通常使用复杂的深度学习模型，如循环神经网络（RNN、LSTM、GRU）、卷积神经网络（CNN、C3D、残差网络）及其组合。在本文中，我们提出了一种更简单的方法，将公开人脸图像数据集上预训练的CNN与（1）空间注意力机制（用于定位给定情绪下人脸最重要的区域）和（2）时间softmax池化（用于选择给定视频中最重要的帧）相结合。在具有挑战性的EmotiW数据集上的结果表明，该方法能够比更复杂的方法达到更高的准确率。
引用
@article{arxiv.1910.01254,
title = {Emotion Recognition with Spatial Attention and Temporal Softmax Pooling},
author = {Masih Aminbeidokhti and Marco Pedersoli and Patrick Cardinal and Eric Granger},
journal= {arXiv preprint arXiv:1910.01254},
year = {2019}
}
备注
9 pages; 2 figures; 2 tables; Best paper award at ICIAR 2019