LBVCNN：用于图像序列 facial expression recognition 的局部二值体卷积神经网络
计算机视觉与模式识别
2019-04-17 v1
摘要
面部表情识别是计算机视觉中的核心问题之一。时间图像序列具有用于识别表情的有用时空特征。本文提出一种新的三维卷积神经网络（CNN），可在时间图像序列上端到端训练以进行面部表情识别，且无需使用面部关键点。更具体地，我们提出了一种称为局部二值体（LBV）层的新型三维卷积层。当与我们新提出的 LBVCNN 网络结合使用时，LBV 层在 CK+、Oulu-CASIA 和 UNBC McMaster 肩痛数据集的图像序列上取得了与最先进的基于关键点或不基于关键点的模型相当的结果。此外，与常规三维卷积层相比，我们的 LBV 层显著减少了可训练参数的数量。事实上，与 3x3x3 常规三维卷积层相比，LBV 层使用的可训练参数少 27 倍。
引用
@article{arxiv.1904.07647,
title = {LBVCNN: Local Binary Volume Convolutional Neural Network for Facial Expression Recognition from Image Sequences},
author = {Sudhakar Kumawat and Manisha Verma and Shanmuganathan Raman},
journal= {arXiv preprint arXiv:1904.07647},
year = {2019}
}
备注
Accepted in CVPRW 2019