GCF：用于面部表情识别的图卷积网络
计算机视觉与模式识别
2024-07-03 v1
摘要
面部表情识别 (FER) 对于理解人际沟通至关重要。然而，现有的分类方法常面临对噪声敏感、数据集不平衡、过拟合以及泛化性问题等挑战。本文提出了GCF，一种新方法，利用图卷积网络进行FER。GCF集成了用于特征提取的卷积神经网络 (CNN)，可采用自定义架构或预训练模型。提取的视觉特征在图上表示，通过图卷积神经网络层将局部CNN特征与全局特征相结合。我们在基准数据集上评估了GCF，包括CK+、JAFFE和FERG。结果表明，GCF显著优于现有最先进方法。例如，在CK+上，GCF将ResNet18的准确率从92%提高到98%；在JAFFE上从66%提高到89%；在FERG上从94%提高到100%。同样，GCF将VGG16的准确率在CK+上从89%提高到97%，在JAFFE上从72%提高到92%，在FERG上从96%提高到99.49%。我们提供了本方法的全面分析，展示了其在捕捉细腻面部表情方面的有效性。通过将图卷积与CNN集成，GCF显著推进了FER，提供了在实际应用中提高的准确率和鲁棒性。
引用
@article{arxiv.2407.02361,
title = {GCF: Graph Convolutional Networks for Facial Expression Recognition},
author = {Hozaifa Kassab and Mohamed Bahaa and Ali Hamdi},
journal= {arXiv preprint arXiv:2407.02361},
year = {2024}
}