面部情绪识别：在 FER2013 上的最优性能
计算机视觉与模式识别
2021-05-11 v1 人工智能
机器学习
摘要
面部情绪识别（FER）对于人机交互（如临床实践和行为描述）具有重要意义。由于人脸的异质性以及图像中如不同面部姿态和光照等变化，计算机模型实现准确且鲁棒的 FER 仍然具有挑战性。在所有 FER 技术中，深度学习模型，尤其是卷积神经网络（CNNs），因其强大的自动特征提取能力和计算效率而展现出巨大潜力。在这项工作中，我们在 FER2013 数据集上取得了最高的单网络分类准确率。我们采用 VGGNet 架构，严格微调其超参数，并尝试了多种优化方法。据我们所知，我们的模型在不使用额外训练数据的情况下，在 FER2013 上实现了 73.28% 的最先进单网络准确率。
引用
@article{arxiv.2105.03588,
title = {Facial Emotion Recognition: State of the Art Performance on FER2013},
author = {Yousif Khaireddin and Zhuofa Chen},
journal= {arXiv preprint arXiv:2105.03588},
year = {2021}
}
备注
9 pages, 5 figures, 2 tables