面向野外人脸表情与维度情绪识别的可解释深度神经网络
机器学习
2019-12-17 v2 计算机视觉与模式识别
机器学习
摘要
在本项目中，我们创建了一个包含情绪识别领域中两类标注的数据库：动作单元（Action Units）与效价-唤醒（Valence Arousal），以期比仅使用单一模型获得更好的结果。该方法的独创性还基于用于情绪预测的架构类型：一个类别生成对抗网络（categorical Generative Adversarial Network）。这类双网络可借助其生成网络基于新数据集的图片生成图像，并借助其判别网络判断图像为真或假，同时因其类别特性而有助于预测动作单元与效价-唤醒的标注。GAN 仅在动作单元模型上训练，然后仅在效价-唤醒模型上训练，再然后在动作单元模型与效价-唤醒模型上同时训练，以测试不同参数并理解其影响。GAN 的生成与判别方面取得了有趣的结果。
引用
@article{arxiv.1910.05877,
title = {Interpretable Deep Neural Networks for Facial Expression and Dimensional Emotion Recognition in-the-wild},
author = {Valentin Richer and Dimitrios Kollias},
journal= {arXiv preprint arXiv:1910.05877},
year = {2019}
}