学习结合压缩激励的视觉Transformer用于面部表情识别
计算机视觉与模式识别
2021-07-19 v4
摘要
随着过去几十年各类面部表情数据库的可获取，面部表情识别（Facial Expression Recognition, FER）任务获得了大量关注。可用数据库的多种来源为面部识别任务带来了若干挑战。这些挑战通常通过卷积神经网络（Convolution Neural Network, CNN）架构解决。不同于CNN模型，近期提出了一种基于注意力机制的Transformer模型以应对视觉任务。Transformer的一个主要问题是需要大量训练数据，而大多数FER数据库相较于其他视觉应用较为有限。因此，本文中我们提出联合学习一个视觉Transformer与压缩激励（Squeeze and Excitation, SE）块用于FER任务。所提方法在不同公开可用的FER数据库上评估，包括CK+、JAFFE、RAF-DB与SFEW。实验表明我们的模型在CK+与SFEW上优于最先进（state-of-the-art）方法，并在JAFFE与RAF-DB上取得有竞争力的结果。
引用
@article{arxiv.2107.03107,
title = {Learning Vision Transformer with Squeeze and Excitation for Facial Expression Recognition},
author = {Mouath Aouayeb and Wassim Hamidouche and Catherine Soladie and Kidiyo Kpalma and Renaud Seguier},
journal= {arXiv preprint arXiv:2107.03107},
year = {2021}
}