通过数据集合并与平衡训练策略改进面部情感识别
计算机视觉与模式识别
2026-04-23 v1
摘要
本文提出了一种基于深度卷积网络的自动面部情感深度学习框架。为了提高方法的泛化能力和鲁棒性，通过合并三个公开可用的面部情感数据集CK+、FER+和KDEF来增加数据集大小。尽管数据集大小增加，但少数类别仍然面临训练样本数量不足的问题，导致数据不平衡。通过在线和离线数据增强技术以及随机加权采样，数据不平衡问题得以最小化。实验结果表明，所提出的方法能够以82%的准确率识别七种基本情感。结果证明了所提方法在应对数据不平衡挑战和提升面部情感识别分类性能方面的有效性。
引用
@article{arxiv.2604.20307,
title = {Improving Facial Emotion Recognition through Dataset Merging and Balanced Training Strategies},
author = {Serap Kırbız},
journal= {arXiv preprint arXiv:2604.20307},
year = {2026}
}