基于残差掩码网络的面部表情识别
应用统计
2026-03-09 v1
摘要
自动面部表情识别（Facial Expression Recognition, FER）因其在人机交互中的应用而受到广泛关注。本文聚焦于带注意力机制的深度架构，提出一种 novel（新颖的）掩码思想以提升 CNN 在面部表情任务中的性能。该方法使用分割网络细化特征图，使网络能够聚焦于做出正确决策的相关信息。在实验中，我们将普遍使用的深度残差网络与类 Unet 架构结合，产生残差掩码网络。该方法在知名的 FER2013 数据集和私人 VEMO 数据集上实现了状态的最佳（SOTA）准确率。源代码已公开：https://github.com/phamquiluan/ResidualMaskingNetwork。
引用
@article{arxiv.2603.05938,
title = {Modeling Animal Communication Using Multivariate Hawkes Processes with Additive Excitation and Multiplicative Inhibition},
author = {Bokgyeong Kang and Erin M. Schliep and Alan E. Gelfand and Ariana Strandburg-Peshkin and Robert S. Schick},
journal= {arXiv preprint arXiv:2603.05938},
year = {2026}
}