卷积网络中用于野外人脸表情识别的无损注意力
计算机视觉与模式识别
2020-02-03 v1
摘要
与受限的正面人脸条件不同，野外人脸具有各种无约束的干扰因素，如复杂光照、视角变化及各类遮挡。野外人脸表情识别（FER）是一项具有挑战性的任务，现有方法难以取得良好表现。然而，对于被遮挡的人脸（包括由其他物体引起的遮挡以及由头部姿态变化引起的自遮挡），注意力机制能够自动聚焦于非遮挡区域。本文提出一种用于卷积神经网络（CNN）的无损注意力模型（LLAM），以从人脸中提取注意力感知特征。我们的模块通过利用前一层的信息且不降低维度，避免了在生成注意力图过程中的信息衰减。随后，我们将注意力图与特征图融合，自适应地细化特征响应。我们参加了 FG-2020 野外情感行为分析挑战赛的七类基本表情分类子挑战，并在该挑战赛发布的 Aff-Wild2 数据集上验证了我们的方法。我们的方法在验证集上的总准确率（Accuracy）与非加权均值（F1）分别为 0.49 和 0.38，最终结果为 0.42（0.67 F1-Score + 0.33 Accuracy）。
引用
@article{arxiv.2001.11869,
title = {Lossless Attention in Convolutional Networks for Facial Expression Recognition in the Wild},
author = {Chuang Wang and Ruimin Hu and Min Hu and Jiang Liu and Ting Ren and Shan He and Ming Jiang and Jing Miao},
journal= {arXiv preprint arXiv:2001.11869},
year = {2020}
}
备注
5 pages,4 figures