基于维度情感模型的细粒度面部表情分析
计算机视觉与模式识别
2018-05-04 v1 多媒体
摘要
自动面部表情分析在人机交互中有多种应用。传统方法主要将不超过八种离散情绪的原型面部表情作为分类任务进行分析。然而在实践中，自然环境中的自发面部表情不仅能表现广泛的情绪，还能表现同一情绪类别内的不同强度。在这种情况下，这些方法既不可靠也不充分。在本文中，我们提出训练深度卷积神经网络（CNN）来分析在维度情感模型中可解释的面部表情。所提出的方法不仅适用于一组基本情绪表情，还适用于我们在日常生活中自身感受到和从他人身上察觉到的全范围其他情绪及细微情绪强度。具体而言，我们首先将面部表情映射为维度度量，从而将面部表情分析从分类问题转化为回归问题。然后，我们测试了基于 CNN 的面部表情回归方法，这些方法展现出了良好的性能。此外，我们通过编码特征二阶统计量的双线性池化改进了我们的方法。我们表明，此类双线性 CNN 模型显著优于各自的基线模型。
引用
@article{arxiv.1805.01024,
title = {Fine-Grained Facial Expression Analysis Using Dimensional Emotion Model},
author = {Feng Zhou and Shu Kong and Charless Fowlkes and Tao Chen and Baiying Lei},
journal= {arXiv preprint arXiv:1805.01024},
year = {2018}
}
备注
code: http://www.ics.uci.edu/~skong2/DimensionalEmotionModel.html