用于面部表情识别中学习判别性特征的 Island Loss
计算机视觉与模式识别
2018-01-26 v3
摘要
在过去几年中，卷积神经网络（CNN）在面部表情识别方面展现出了潜力。然而，由于细微面部外观变化、头部姿态变化、光照变化和遮挡引起的差异，其在真实世界环境下的性能急剧下降。本文提出了一种新颖的 Island Loss，以增强深度学习特征的判别能力。具体而言，IL 被设计为在扩大类间差异的同时减小类内变化。在四个基准表情数据库上的实验结果表明，带有本文所提 Island Loss 的 CNN（IL-CNN）优于使用传统 softmax loss 或 center loss 的基线 CNN 模型，并且与面部表情识别的 SOTA 方法相比，取得了相当或更好的性能。
引用
@article{arxiv.1710.03144,
title = {Island Loss for Learning Discriminative Features in Facial Expression Recognition},
author = {Jie Cai and Zibo Meng and Ahmed Shehab Khan and Zhiyuan Li and James O'Reilly and Yan Tong},
journal= {arXiv preprint arXiv:1710.03144},
year = {2018}
}
备注
8 pages, 3 figures