FaceTopoNet：基于人脸拓扑学习的面部表情识别
计算机视觉与模式识别
2022-09-15 v1
摘要
先前的工作表明，使用序列学习器学习人脸不同组件的顺序在面部表情识别系统的性能中起着重要作用。我们提出 FaceTopoNet，一种用于面部表情识别的端到端深度模型，它能够学习人脸的有效树拓扑。我们的模型随后遍历所学树以生成序列，该序列被用于形成嵌入以输入序列学习器。所设计的模型采用一条流学习结构、一条流学习纹理。结构流关注面部 landmarks 的位置，而纹理流主要关注 landmarks 周围的块以学习纹理信息。随后我们利用一种有效的基于注意力的融合策略融合两条流的输出。我们在四个大规模真实场景面部表情数据集——即 AffectNet、FER2013、ExpW 和 RAF-DB——以及一个实验室控制的数据集（CK+）上进行了大量实验以评估我们的方法。FaceTopoNet 在五个数据集中的三个上取得了最先进的性能，并在其余两个数据集上获得了有竞争力的结果。我们还进行了严格的消融与敏感性实验，以评估模型中不同组件与参数的影响。最后，我们进行了鲁棒性实验，并证明与其他该领域领先方法相比，FaceTopoNet 对遮挡更具鲁棒性。
引用
@article{arxiv.2209.06322,
title = {FaceTopoNet: Facial Expression Recognition using Face Topology Learning},
author = {Mojtaba Kolahdouzi and Alireza Sepas-Moghaddam and Ali Etemad},
journal= {arXiv preprint arXiv:2209.06322},
year = {2022}
}