利用深度残差与卷积网络的野外面部情感估计
计算机视觉与模式识别
2020-04-17 v1
摘要
野外的自动化情感计算是计算机视觉领域的一项具有挑战性的任务。本文提出了三种基于神经网络的方法，用于提交给首届野外情感（First Affect-in-the-Wild）挑战赛的面部情感估计任务。这些方法基于专门为面部情感估计任务重新设计的 Inception-ResNet 模块。这些方法是：浅层 Inception-ResNet、深层 Inception-ResNet 以及带 LSTMs 的 Inception-ResNet。这些网络在不同尺度上提取面部特征，并同时估计每帧中的效价和唤醒度。使用深层 Inception-ResNet 方法，效价和唤醒度分别达到 0.4 和 0.3 的均方根误差（RMSE），以及相应的 0.04 和 0.29 的一致性相关系数（CCC）率。
引用
@article{arxiv.1705.07884,
title = {Facial Affect Estimation in the Wild Using Deep Residual and Convolutional Networks},
author = {Behzad Hasani and Mohammad H. Mahoor},
journal= {arXiv preprint arXiv:1705.07884},
year = {2020}
}
备注
To appear in 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)