基于深度学习的面部表情识别研究
计算机视觉与模式识别
2019-10-22 v3
摘要
随着深度学习的发展，卷积神经网络的结构越来越复杂，物体识别的性能越来越好。然而，卷积神经网络的分类机制仍是一个未解决的核心问题。主要问题在于卷积神经网络参数过多，难以对其进行分析。本文中，我们基于表情识别设计并训练了一个卷积神经网络，并探究该网络的分类机制。通过使用反卷积可视化方法，将卷积神经网络的极值点投影回原始图像的像素空间，我们定性验证了所训练的表情识别卷积神经网络形成了针对特定面部动作单元的检测器。同时，我们设计了距离函数来衡量面部特征单元的出现与卷积神经网络特征图上响应最大值之间的距离。距离越大，特征图对面部特征单元越敏感。通过比较特征图中所有面部特征元素的最大距离，确定了面部特征元素与卷积神经网络特征图之间的映射关系。因此，我们验证了卷积神经网络在训练过程中形成了针对面部动作单元的检测器，从而实现表情识别。
引用
@article{arxiv.1904.09737,
title = {Facial Expression Recognition Research Based on Deep Learning},
author = {Yongpei Zhu and Hongwei Fan and Kehong Yuan},
journal= {arXiv preprint arXiv:1904.09737},
year = {2019}
}
备注
12 pages,13 figures.The paper is under consideration at Pattern Recognition Letters