面向微表情识别的微注意力机制
计算机视觉与模式识别
2019-08-28 v5
摘要
微表情因其情绪检测的高客观性，已成为情感计算中一种有前景的模态。近来，深度学习方法已成功引入微表情识别领域。尽管取得了更高的识别精度，微表情识别仍面临重大挑战。微表情存在于面部小局部区域以及可用数据库规模有限，仍制约着此类情绪面部行为的识别精度。本工作中，为应对这些挑战，我们提出一种称为微注意力(micro-attention)的新型注意力机制，并与残差网络协同使用。微注意力使网络能够学习聚焦于覆盖不同动作单元的兴趣面部区域。此外，针对小数据集，微注意力在设计时不增加明显参数，同时采用一种简单而高效的迁移学习方法来缓解过拟合风险。通过在三个基准(CASMEII、SAMM和SMIC)上的大量实验评估以及事后特征可视化，我们证明了所提微注意力的有效性，并推进了微表情自动识别的边界。
引用
@article{arxiv.1811.02360,
title = {Micro-Attention for Micro-Expression recognition},
author = {Chongyang Wang and Min Peng and Tao Bi and Tong Chen},
journal= {arXiv preprint arXiv:1811.02360},
year = {2019}
}
备注
17 pages, 5 figures, 7 tables, Code is available at GitHub