基于解耦对抗学习的面部表情识别
计算机视觉与模式识别
2019-10-01 v1
摘要
用于面部表情识别（FER）的表示通常包含表情信息以及其他如身份与光照的变化。本文中，我们提出一种新颖的解耦表情学习-生成对抗网络（DE-GAN），以显式地将面部表情表示与身份信息解耦。在这种基于重建的学习方法中，面部表情表示通过采用基于编码器-解码器的生成器重建表情图像来学习。通过向 DE-GAN 的解码器部分显式提供身份码，该表情表示与身份分量解耦。通过在 DE-GAN 的判别器中执行表情与身份分类，改进了表情图像重建与解耦表情表示学习的过程。随后使用解耦的面部表情表示，借助 SVM 或 MLP 等简单分类器进行面部表情识别。实验在公开可用且广泛使用的面部表情数据库（CK+、MMI、Oulu-CASIA）上进行。实验结果表明所提技术与最先进方法取得相当的结果。
引用
@article{arxiv.1909.13135,
title = {Facial Expression Recognition Using Disentangled Adversarial Learning},
author = {Kamran Ali and Charles E. Hughes},
journal= {arXiv preprint arXiv:1909.13135},
year = {2019}
}