GiMeFive：迈向可解释的面部情绪分类

在计算机视觉领域，深度卷积神经网络已被证明在过去几年中能够成功识别面部情绪。然而，现有的检测方法并不总是可靠或可解释的，我们在此提出我们的模型GiMeFive，并附带解释，即通过层激活和梯度加权类激活映射。我们与最先进的方法进行比较，以分类六种面部情绪。实验结果表明，我们的模型在两个面部情绪识别(FER)基准测试以及我们聚合的FER GiMeFive数据集上，在准确率方面优于先前的方法。此外，我们在真实世界的图像和视频示例以及实时摄像头流中解释我们的工作。我们的代码和补充材料可在 https://github.com/werywjw/SEP-CVDL 获取。