用于面部表情识别的核化稠密层
计算机视觉与模式识别
2020-09-24 v1
摘要
全连接层是卷积神经网络 (CNNs) 的重要组成部分，在计算机视觉任务中展现出高效性。CNN 处理通常始于卷积与池化层，先将输入图像分解为特征，再独立分析。该过程的结果送入全连接神经网络结构以驱动最终分类决策。本文提出一种核化稠密层 (KDL)，其捕捉高阶特征交互而非传统的线性关系。我们将该方法应用于面部表情识别 (FER)，并在 RAF、FER2013 与 ExpW 数据集上评估其性能。实验结果表明该层的优势，且我们的模型相对于当前最优方法取得了具竞争力的结果。
引用
@article{arxiv.2009.10814,
title = {Kernelized dense layers for facial expression recognition},
author = {M. Amine Mahmoudi and Aladine Chetouani and Fatma Boufera and Hedi Tabia},
journal= {arXiv preprint arXiv:2009.10814},
year = {2020}
}