HSE-NN 团队在第四届 ABAW 竞赛中的工作：多任务情绪识别与合成图像学习
计算机视觉与模式识别
2022-10-21 v3
摘要
本文介绍了 HSE-NN 团队在第四届野外情感行为分析（ABAW）竞赛中的结果。我们训练了一种新颖的多任务 EfficientNet 模型，用于在静态照片上同时识别面部表情并预测效价与唤醒度。所得的 MT-EmotiEffNet 提取视觉特征，并将其输入至多任务学习挑战中的简单前馈神经网络。我们在验证集上获得了 1.3 的性能度量，相较于基线（0.3）或仅在 s-Aff-Wild2 数据库上训练的现有模型，该结果显著更优。在合成数据学习挑战中，通过使用超分辨率技术（如 Real-ESRGAN）提升了原始合成训练集的质量。随后，MT-EmotiEffNet 在新的训练集上进行了微调。最终预测是对预训练与微调的 MT-EmotiEffNet 进行简单混合集成。我们的平均验证 F1 分数比基线卷积神经网络高出 18%。
引用
@article{arxiv.2207.09508,
title = {HSE-NN Team at the 4th ABAW Competition: Multi-task Emotion Recognition and Learning from Synthetic Images},
author = {Andrey V. Savchenko},
journal= {arXiv preprint arXiv:2207.09508},
year = {2022}
}
备注
accepted at ECCV Workshop ABAW4; 14 pages, 3 figures, 8 tables