通过合成表情图像进行面部表情表示学习
计算机视觉与模式识别
2019-12-04 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身份特征。本文提出一种新颖的解耦表情学习-生成对抗网络（DE-GAN），其将解耦表示学习的概念与残差学习相结合，以显式地将面部表情表示与身份信息解耦。该方法通过基于编码器-解码器的生成器重构表情图像来学习面部表情表示。与以往仅使用表情残差学习进行面部表情识别的工作不同，我们的方法学习解耦的表情表示以及由 DE-GAN 编码器记录的表情分量。为提升合成表情图像的质量及所学解耦表情表示的有效性，DE-GAN 的判别器执行表情与身份分类。在广泛使用的数据集（CK+、MMI、Oulu-CASIA）上的实验表明，所提技术取得了与最先进方法相当或更好的结果。
引用
@article{arxiv.1912.01456,
title = {Facial Expression Representation Learning by Synthesizing Expression Images},
author = {Kamran Ali and Charles E. Hughes},
journal= {arXiv preprint arXiv:1912.01456},
year = {2019}
}
备注
7 pages, 3 figures. arXiv admin note: substantial text overlap with arXiv:1909.13135