面向真实场景下动态面部表情识别的强度感知损失
计算机视觉与模式识别
2022-08-23 v1
摘要
相较于基于图像的静态面部表情识别（SFER）任务，基于视频序列的动态面部表情识别（DFER）任务更贴近自然表情识别场景。然而，DFER通常更具挑战性。主要原因之一是视频序列常包含具有不同表情强度的帧，尤其对于真实世界场景中的面部表情，而SFER中的图像常呈现均匀且高的表情强度。然而，若对不同强度的表情同等对待，网络学到的特征将具有较大的类内差异和较小的类间差异，不利于DFER。为解决此问题，我们提出全局卷积-注意力块（GCA）以对特征图的通道进行重缩放。此外，我们在训练过程中引入强度感知损失（IAL）以帮助网络区分表情强度相对较低的样本。在两个真实场景动态面部表情数据集（即DFEW和FERV39k）上的实验表明，我们的方法优于最先进的DFER方法。源代码将公开提供。
引用
@article{arxiv.2208.10335,
title = {Intensity-Aware Loss for Dynamic Facial Expression Recognition in the Wild},
author = {Hanting Li and Hongjing Niu and Zhaoqing Zhu and Feng Zhao},
journal= {arXiv preprint arXiv:2208.10335},
year = {2022}
}
备注
8 pages