低分辨率人脸表情识别的全局多提取网络
计算机视觉与模式识别
2025-11-11 v1
摘要
人脸表情识别作为一种重要的计算机视觉任务，正受到广泛关注并经历大量研究。尽管人脸表情识别算法在高分辨率图像上表现突出，但在面对低分辨率图像时效果往往下降。我们发现原因在于：1）低分辨率图像缺乏细节信息；2）当前方法仅进行弱的全局建模，难以提取判别性特征。为缓解上述问题，我们提出一种新型全局多提取网络（GME-Net）用于低分辨率人脸表情识别，该网络包含 1）基于混合注意力的局部特征提取模块，结合注意力相似性知识蒸馏，从高分辨率网络中学习图像细节；2）具备准对称结构的多尺度全局特征提取模块，以减轻局部图像噪声的影响，促进捕获全局图像特征。因此，我们的 GME-Net 能够提取与表情相关的判别性特征。在多个广泛使用的数据集上进行的大量实验表明，所提出的 GME-Net 能更好地识别低分辨率人脸表情，取得优于现有解决方案的优异性能。
引用
@article{arxiv.2511.05938,
title = {Global Multiple Extraction Network for Low-Resolution Facial Expression Recognition},
author = {Jingyi Shi},
journal= {arXiv preprint arXiv:2511.05938},
year = {2025}
}
备注
12 pages