基于图注意力网络与对抗域对齐的鲁棒跨域面部表情识别
计算机视觉与模式识别
2025-12-02 v1 人工智能
摘要
跨域面部表情识别（CD-FER）由于训练与部署数据之间的严重域迁移，仍面临挑战。我们提出图注意力网络搭配对抗域对齐（GAT-ADA），一种混合框架，将 ResNet-50 作为骨干网络，结合基于批次的图注意力网络（GAT）以建模迁移下的样本间关系。每个小批量被构建为稀疏环形图，以便注意力聚合对适应具有信息性的跨样本线索。为实现域分布对齐，GAT-ADA 组合通过梯度反转层（GRL）的对抗学习与基于 CORAL 和 MMD 的统计对齐。GAT-ADA 在标准的无监督域适应协议下进行评估：在一个标记的源数据集（RAF-DB）上训练，并适应多个未标记的目标数据集（CK+、JAFFE、SFEW 2.0、FER2013 和 ExpW）。GAT-ADA 实现了 74.39% 的平均跨域准确率。在 RAF-DB 到 FER2013 上的准确率达到 98.0%，相较于以相同骨干网络和预处理方法重新实现的最佳基线提升约 36 分。
引用
@article{arxiv.2512.00641,
title = {Graph-Attention Network with Adversarial Domain Alignment for Robust Cross-Domain Facial Expression Recognition},
author = {Razieh Ghaedi and AmirReza BabaAhmadi and Reyer Zwiggelaar and Xinqi Fan and Nashid Alam},
journal= {arXiv preprint arXiv:2512.00641},
year = {2025}
}
备注
17 pages, 5 figures. Accepted at the 17th Asian Conference on Machine Learning (ACML 2025), Taipei, Taiwan, December 9-12, 2025