EXPERTNet：用于面部表情识别的紧要特征保持网络
计算机视觉与模式识别
2019-04-16 v1
摘要
面部表情具有推断人类心理状态的本质线索，其传达了充足信息以理解个体的真实感受。因此，自动面部表情识别是通过机器解读人类认知状态的一项有趣且关键的任务。本文提出一种紧要特征保持网络（EXPERTNet），以描述面部表情的特征。EXPERTNet 通过由选择层构成的紧要特征（ExFeat）块仅提取相关特征而忽略其余特征。具体而言，选择层从先前层的输出中选择所需的边缘变化特征，这些输出由应用不同尺寸滤波器如 1 x 1、3 x 3、5 x 5 与 7 x 7 生成。不同尺寸滤波器有助于引出微观与高层特征，从而增强神经元的可学习性。ExFeat 块保持面部表情的空间结构信息，使之能区分不同类别的面部表情。所提方法在不同面部表情上的可视化表示展示了各层神经元的学习能力。在 CK+、MMI、DISFA 与 GEMEP-FERA 四个综合数据集上的实验与比较分析结果表明，相较于现有网络，所提网络具有更优性能。
引用
@article{arxiv.1904.06658,
title = {EXPERTNet Exigent Features Preservative Network for Facial Expression Recognition},
author = {Monu Verma and Jaspreet Kaur Bhui and Santosh Vipparthi and Girdhari Singh},
journal= {arXiv preprint arXiv:1904.06658},
year = {2019}
}