舍弃部分面部特征

面部表情对人类交流至关重要，能够提供关于情绪状态的洞察。本研究通过 Fer2013 数据集上的面部扰动，考察了特定面部特征如何影响情绪分类。如预期那样，在移除某些重要面部特征后训练的模型，与基准模型相比，在快乐和惊讶等情绪上的准确率下降高达 85%。令人惊讶的是，对于厌恶情绪，在应用掩码后分类器的准确率似乎略有提升。基于这一观察，我们应用了一种训练方案，在训练过程中遮蔽面部特征，从而提出了我们所提出的扰动方案（Perturb Scheme）。该方案包含三个阶段——基于注意力的分类、像素聚类和特征聚焦训练——展示了分类准确率的提升。实验结果表明，在情绪识别任务中移除个别面部特征有一定益处。