FaceNet2ExpNet：为表情识别正则化深度人脸识别网络
计算机视觉与模式识别
2016-09-23 v2
摘要
可用于表情识别研究的相对较小的数据集，使得用于表情识别的深度网络训练极具挑战性。尽管微调可以部分缓解这一问题，但由于深度特征可能包含来自预训练领域的冗余信息，其性能仍低于可接受水平。在本文中，我们提出了 FaceNet2ExpNet，这是一种基于静态图像训练表情识别网络的新思路。我们首先提出一个新的分布函数来对表情网络的高层神经元进行建模。在此基础上，精心设计了一种两阶段训练算法。在预训练阶段，我们训练表情网络的卷积层，并由人脸网络进行正则化；在精调阶段，我们将全连接层附加到预训练的卷积层上，并联合训练整个网络。可视化表明，使用我们的方法训练的模型能捕获更好的高层表情语义。在四个公开表情数据库 CK+、Oulu-CASIA、TFD 和 SFEW 上的评估表明，我们的方法取得了优于 state-of-the-art 的结果。
引用
@article{arxiv.1609.06591,
title = {FaceNet2ExpNet: Regularizing a Deep Face Recognition Net for Expression Recognition},
author = {Hui Ding and Shaohua Kevin Zhou and Rama Chellappa},
journal= {arXiv preprint arXiv:1609.06591},
year = {2016}
}