多任务多数据库情绪识别
计算机视觉与模式识别
2021-07-13 v2 机器学习
摘要
本工作中，我们介绍了提交至第二届野外情感行为分析（ABAW）2021 竞赛的方案。我们在多数据库上训练一个统一的深度学习模型以执行两项任务：七种基本面部表情预测与效价-唤醒度估计。由于这些数据库并非同时包含两项任务的标签，我们应用了知识蒸馏技术来训练两个网络：一个教师模型与一个学生模型。学生模型将同时使用真实标签与由预训练教师模型得到的软标签进行训练。在训练期间，我们增加了一项任务，即上述两项任务的结合，以更好地利用任务间相关性。我们还利用了竞赛所用 AffWild2 数据库中两任务间的共享视频，以进一步提升网络性能。实验结果表明，该网络在 AffWild2 数据库验证集上取得了有前景的结果。代码与预训练模型公开于 https://github.com/glmanhtu/multitask-abaw-2021
引用
@article{arxiv.2107.04127,
title = {Multitask Multi-database Emotion Recognition},
author = {Manh Tu Vu and Marie Beurton-Aimar},
journal= {arXiv preprint arXiv:2107.04127},
year = {2021}
}