用于面部动作单元识别的增量提升卷积神经网络
计算机视觉与模式识别
2017-07-19 v1
摘要
从自发性面部表情中识别面部动作单元（AUs）仍然是一个具有挑战性的问题。最近，卷积神经网络（CNNs）在面部 AU 识别方面展现出了前景。然而，由于 AU 编码的训练图像有限，学习到的 CNNs 往往过拟合，且难以泛化到未见过的受试者。我们提出了一种新颖的增量提升 CNN（IB-CNN），通过一个增量提升层将提升方法集成到 CNN 中，该层从下层选择判别性神经元，并在连续的 mini-batches 上进行增量更新。此外，我们提出了一种新的损失函数，该函数同时考虑了增量提升分类器和个体弱分类器的误差，用于微调 IB-CNN。在四个基准 AU 数据库上的实验结果表明，IB-CNN 相较于传统 CNN 和无增量学习的提升 CNN 取得了显著改进，并且在 AU 识别方面优于最先进的基于 CNN 的方法。对于数据库中频率最低的 AUs，这种改进更为显著。
引用
@article{arxiv.1707.05395,
title = {Incremental Boosting Convolutional Neural Network for Facial Action Unit Recognition},
author = {Shizhong Han and Zibo Meng and Ahmed Shehab Khan and Yan Tong},
journal= {arXiv preprint arXiv:1707.05395},
year = {2017}
}
备注
NIPS2016