Hy-Facial：基于维度约简方法的混合特征提取以提升面部表情分类
计算机视觉与模式识别
2025-10-01 v1
摘要
面部表情分类因面部图像数据的高维度和内在复杂性而具有挑战性。本文提出了一种名为 Hy-Facial 的混合特征提取框架，集成了深度学习和传统图像处理技术，并对维度约简策略进行了系统性的调查。该方法将从视觉几何集团 19 层网络（VGG19）中提取的深度特征与手工局部描述子、尺度不变特征变换（SIFT）和面向快速旋转 BRIEF（ORB）算法提取的特征相融合，以获得丰富且多样化的图像表示。为缓解特征冗余并降低计算复杂度，我们对维度约简技术和特征提取进行了全面评估。在这些方法中，UMAP 被识别为最有效的方案，既保留了高维特征空间的局部结构，也保留了全局结构。Hy-Facial 流程集成了 VGG19、SIFT 和 ORB 进行特征提取，随后采用 K 均值聚类和 UMAP 进行维度约简，在面部表情识别数据集上实现了 83.3% 的分类准确率。这些发现凸显了维度约简不仅作为预处理步骤，更是提升特征质量和整体分类性能的关键组件。
引用
@article{arxiv.2509.26614,
title = {Hy-Facial: Hybrid Feature Extraction by Dimensionality Reduction Methods for Enhanced Facial Expression Classification},
author = {Xinjin Li and Yu Ma and Kaisen Ye and Jinghan Cao and Minghao Zhou and Yeyang Zhou},
journal= {arXiv preprint arXiv:2509.26614},
year = {2025}
}