通过去白化与亲和度学习修正面部表情表征
计算机视觉与模式识别
2021-10-12 v3
摘要
面部表情识别(FER)是一项针对人脸变化的分类任务。因此，面部表情之间存在某些亲和特征，这在FER文献中很少受到关注。卷积填充虽有助于捕获边缘信息，却同时造成特征图侵蚀。经过多层填充卷积后，输出的特征图被称为白化特征，无疑削弱了表情的表征。为应对这些挑战，我们提出一种名为修正表征模块(ARM)的新架构。ARM是池化层的替代者。理论上，它可嵌入任何网络后端以处理填充侵蚀。ARM从两个不同方向高效增强面部表情表征：1)降低侵蚀特征权重以抵消填充副作用；2)分解面部特征以简化表征学习。在公开基准上的实验证明，我们的ARM显著提升了FER性能。验证准确率在RAF-DB上为90.42%，在Affect-Net上为65.2%，在SFEW上为58.71%，超越了当前最先进方法。我们的实现与训练模型见于https://github.com/JiaweiShiCV/Amend-Representation-Module。
引用
@article{arxiv.2103.10189,
title = {Learning to Amend Facial Expression Representation via De-albino and Affinity},
author = {Jiawei Shi and Songhao Zhu and Zhiwei Liang},
journal= {arXiv preprint arXiv:2103.10189},
year = {2021}
}