面向人脸表情识别的数据增强方法 MixCut
统计方法学
2024-06-27 v3 人工智能
信息检索
机器学习
最优化与控制
摘要
在人脸表情识别任务中，研究者由于训练样本数量不足，总是获得低的表达分类准确率。为了解决这一问题，我们提出了一种新的数据增强方法，称为 MixCut。在该方法中，我们首先以随机比例在像素级别对两个原始训练样本进行插值，以生成新的样本。然后，在新的样本的随机正方形区域中执行像素删除，以生成最终的训练样本。我们在 Fer2013Plus 和 RAF-DB 上评估了 MixCut 方法。在 Fer2013Plus 上进行八标签分类，MixCut 实现了 85.63% 的准确率；在 RAF-DB 上进行七标签分类，MixCut 实现了 87.88% 的准确率，有效提高了人脸表情图像识别的分类准确率。同时，在 Fer2013Plus 上，MixCut 的性能分别比 CutOut、Mixup 和 CutMix 等其他三种数据增强方法提高了 +0.59%、+0.36% 和 +0.39%。在 RAF-DB 上，MixCut 分别比这三种数据增强方法提高了 +0.22%、+0.65% 和 +0.5%。
引用
@article{arxiv.2405.10490,
title = {Neural Optimization with Adaptive Heuristics for Intelligent Marketing System},
author = {Changshuai Wei and Benjamin Zelditch and Joyce Chen and Andre Assuncao Silva T Ribeiro and Jingyi Kenneth Tay and Borja Ocejo Elizondo and Keerthi Selvaraj and Aman Gupta and Licurgo Benemann De Almeida},
journal= {arXiv preprint arXiv:2405.10490},
year = {2024}
}
备注
KDD 2024