利用身体语言数据集进行噪声学生训练以改进面部表情识别
计算机视觉与模式识别
2021-02-26 v2
摘要
由于缺乏充足的标注训练数据，野外视频中的面部表情识别是一项具有挑战性的任务。大型 DNN（深度神经网络）架构和集成方法虽取得了更好的性能，但因数据不足很快在某一点达到饱和。本文采用一种自训练方法，结合标注数据集与未标注数据集（身体语言数据集——BoLD）进行使用。实验分析表明，迭代训练一个噪声学生网络有助于取得显著更好的结果。此外，我们的模型利用多级注意力机制隔离面部不同区域并独立处理，进一步提升了性能。结果表明，与其他单一模型相比，所提方法在基准数据集 CK+ 和 AFEW 8.0 上达到了 SOTA 性能。
引用
@article{arxiv.2008.02655,
title = {Noisy Student Training using Body Language Dataset Improves Facial Expression Recognition},
author = {Vikas Kumar and Shivansh Rao and Li Yu},
journal= {arXiv preprint arXiv:2008.02655},
year = {2021}
}
备注
Accepted in ECCV workshop BEEU (Bodily Expressed Emotion Understanding) 2020