基于残差卷积网络的多任务、多标签与多域学习的情绪识别
计算机视觉与模式识别
2018-02-20 v1
摘要
从自然场景下面部图像进行自动化情绪识别仍具挑战性。尽管深度学习近期进展在此课题上取得显著突破，姿态、朝向与视角的剧烈变化仍严重损害现有方法。此外，标注数据集的获取成本高昂，当前最先进的深度学习算法无法建模上述全部困难。本文中，我们提出应用多任务学习损失函数来与其他相关任务共享共同特征表示。特别地，我们表明情绪识别可从联合学习一个面部动作单元（集体肌肉运动）检测器模型中获益。所提损失函数解决了利用异质标注数据学习多任务的问题，改进了先前的多任务方法。我们使用两个非受控环境下获取的数据集以及一项预测复合面部情绪表达的应用来验证该方案。
引用
@article{arxiv.1802.06664,
title = {Multi-task, multi-label and multi-domain learning with residual convolutional networks for emotion recognition},
author = {Gerard Pons and David Masip},
journal= {arXiv preprint arXiv:1802.06664},
year = {2018}
}
备注
Preprint submitted to IJCV