用于情绪识别的全局-局部注意力机制
计算机视觉与模式识别
2021-11-09 v1
摘要
人类情绪识别是人工智能中的一个活跃研究领域，并在过去几年中取得了实质性进展。许多近期工作主要关注面部区域以推断人类情感，而周围的上下文信息未被有效利用。在本文中，我们提出了一种新的深度网络，利用一种新颖的全局-局部注意力机制来有效识别人类情绪。我们的网络被设计为分别从面部和上下文区域提取特征，随后通过注意力模块将它们联合学习。通过这种方式，面部和上下文信息都被用于推断人类情绪，从而增强了分类器的判别力。大量实验表明，我们的方法在近期情绪数据集上以明显优势超越了当前最先进（SOTA）的方法。在定性上，我们的全局-局部注意力模块能比先前方法提取出更有意义的注意力图。我们网络的源代码和训练好的模型可在 https://github.com/minhnhatvt/glamor-net 获取。
引用
@article{arxiv.2111.04129,
title = {Global-Local Attention for Emotion Recognition},
author = {Nhat Le and Khanh Nguyen and Anh Nguyen and Bac Le},
journal= {arXiv preprint arXiv:2111.04129},
year = {2021}
}