LA-Net：面向标签噪声下可靠人脸识别的 landmarks 感知学习
计算机视觉与模式识别
2023-07-21 v3
摘要
人脸识别（FER）因表情的模糊性仍是一项具挑战性的任务。衍生的噪声标签严重损害真实场景中的性能。为应对该问题，我们提出一种名为Landmark-Aware Net（LA-Net）的新FER模型，其从两个角度利用面部landmarks缓解标签噪声的影响。首先，LA-Net使用landmark信息抑制表情空间中的不确定性，并通过邻域聚合构建每个样本的标签分布，进而提升训练监督质量。其次，模型利用所设计的表情-landmark对比损失将landmark信息融入表情表示。增强的表情特征提取器可更少受标签噪声影响。我们的方法可集成于任意深度神经网络以获更好训练监督，且不引入额外推理成本。我们在野外数据集与合成噪声数据集上进行了大量实验，表明LA-Net达到了最先进性能。
引用
@article{arxiv.2307.09023,
title = {LA-Net: Landmark-Aware Learning for Reliable Facial Expression Recognition under Label Noise},
author = {Zhiyu Wu and Jinshi Cui},
journal= {arXiv preprint arXiv:2307.09023},
year = {2023}
}
备注
accepted by ICCV 2023