利用梯度与拉普拉斯图像改进面部情绪识别系统
计算机视觉与模式识别
2019-02-15 v1 机器学习
机器学习
摘要
在这项工作中，我们提出了若干改进措施以提升任意面部情绪识别（FER）系统的性能。我们认为，基准点的位置变化与强度包含了人脸图像情绪的关键信息。我们提出将输入图像的梯度与拉普拉斯算子连同原始输入一并送入卷积神经网络（CNN）。这些修改有助于网络从图像的梯度和拉普拉斯算子中学习额外信息，而普通 CNN 无法从原始图像中提取此类信息。我们在两个知名数据集 KDEF 和 FERplus 上进行了大量实验。我们的方法将最先进 FER 系统本已很高的性能进一步提升了 3% 至 5%。
引用
@article{arxiv.1902.05411,
title = {Improving Facial Emotion Recognition Systems Using Gradient and Laplacian Images},
author = {Ram Krishna Pandey and Souvik Karmakar and A G Ramakrishnan and Nabagata Saha},
journal= {arXiv preprint arXiv:1902.05411},
year = {2019}
}