用于鲁棒面部表情识别的遮挡自适应深度网络
计算机视觉与模式识别
2020-05-14 v1
摘要
识别部分遮挡人脸的表情是一个具有挑战性的计算机视觉问题。以往的表情识别方法要么忽视了该问题，要么使用极端假设来解决它。受人类视觉系统善于忽略遮挡并聚焦于未遮挡面部区域这一事实的启发，我们提出了一个地标引导的注意力分支，用于发现并丢弃来自遮挡区域的损坏特征，从而使其不用于识别。首先生成注意力图以指示特定面部部位是否被遮挡，并引导我们的模型关注未遮挡区域。为进一步提升鲁棒性，我们提出一个面部区域分支，将特征图划分为不重叠的面部块，并让每个块独立预测表情。这产生了更多样且更具判别性的特征，使表情识别系统即使在面部部分遮挡时也能恢复。借助两个分支的协同效应，我们的遮挡自适应深度网络在两个具有挑战性的真实场景基准数据集和三个真实世界遮挡表情数据集上显著优于最先进的方法。
引用
@article{arxiv.2005.06040,
title = {Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition},
author = {Hui Ding and Peng Zhou and Rama Chellappa},
journal= {arXiv preprint arXiv:2005.06040},
year = {2020}
}