MERANet：基于3D残差注意力网络的面部微表情识别
计算机视觉与模式识别
2022-01-25 v2
摘要
微表情因其情绪检测的高客观性，已成为情感计算中有前景的模态。尽管深度学习模型提供了更高的识别准确率，微表情识别技术仍有显著改进空间。微表情存在于面部小局部区域以及可用数据库规模有限，持续制约着微表情识别的准确率。本工作中，我们提出一种使用3D残差注意力网络的面部微表情识别模型，名为 MERANet，以应对此类挑战。所提模型同时利用时空注意力与通道注意力，学习更深层的细粒度微弱特征以进行分类。此外，该模型通过3D卷积核与残差连接同时涵盖空间与时间信息。而且，通道特征与时空特征在每个残差模块中分别通过通道与时空注意力进行重校准。我们的注意力机制使模型学会聚焦于不同的面部感兴趣区域。实验在基准面部微表情数据集上进行。与基准数据上面部微表情识别的当前最优方法相比，观察到了更优的性能。
引用
@article{arxiv.2012.04581,
title = {MERANet: Facial Micro-Expression Recognition using 3D Residual Attention Network},
author = {Viswanatha Reddy Gajjala and Sai Prasanna Teja Reddy and Snehasis Mukherjee and Shiv Ram Dubey},
journal= {arXiv preprint arXiv:2012.04581},
year = {2022}
}
备注
Published in Twelfth Indian Conference on Computer Vision, Graphics and Image Processing (ICVGIP), 2021