结合情感语义关联的标签分布修正用于面部表情识别
计算机视觉与模式识别
2021-07-26 v1
摘要
通过利用标签分布学习，为每张人脸图像分配一个概率分布来表达复合情感，这有效改善了独热标签中出现的标签不确定性和噪声问题。实践中观察到，情感之间的关联存在固有差异，例如惊讶与高兴情绪同步出现的可能性大于惊讶与中性。这表明该关联对于获得可靠的标签分布可能至关重要。基于此，我们提出了一种新方法，通过利用语义空间中表情之间的关联来修正每张人脸图像的标签分布。受 word2vec 之间固有多样化关联的启发，首先在语义空间中探索面部表情之间的拓扑信息，并将每张图像嵌入到该语义空间中。具体而言，构建了一个类关系图，将表情之间的语义关联转移到任务空间中。通过比较每张图像的语义类关系图与任务类关系图，评估其标签分布的置信度。基于该置信度，通过增强高置信度样本并削弱低置信度样本来修正标签分布。实验结果表明，所提出的方法比对比的最先进方法更有效。
引用
@article{arxiv.2107.11061,
title = {Label Distribution Amendment with Emotional Semantic Correlations for Facial Expression Recognition},
author = {Shasha Mao and Guanghui Shi and Licheng Jiao and Shuiping Gou and Yangyang Li and Lin Xiong and Boxin Shi},
journal= {arXiv preprint arXiv:2107.11061},
year = {2021}
}