面向面部表情识别的自学习表征评估
计算机视觉与模式识别
2022-04-28 v1 机器学习
摘要
本文描述了通过自学习概念获取无监督表征的不同策略，用于面部表情识别（FER）。其核心思想是通过改变自编码器的初始化、架构和训练数据，生成互补的表征以促进多样性。评估了支持向量机（SVM）、装袋法（Bagging）、随机森林（Random Forest）以及一种动态集成选择方法作为最终分类方法。在Jaffe和Cohn-Kanade数据集上采用留一被试交叉验证协议的实验结果表明，基于所提出的多样性表征的FER方法，与同样探索无监督特征学习的最新方法相比，具有明显优势。
引用
@article{arxiv.2204.12624,
title = {Evaluation of Self-taught Learning-based Representations for Facial Emotion Recognition},
author = {Bruna Delazeri and Leonardo L. Veras and Alceu de S. Britto and Jean Paul Barddal and Alessandro L. Koerich},
journal= {arXiv preprint arXiv:2204.12624},
year = {2022}
}
备注
8 pages