开放集面部表情识别
计算机视觉与模式识别
2024-01-24 v1
摘要
面部表情识别（FER）模型通常在具有固定七种基本类别的数据集上进行训练。然而，近期的研究工作指出，表情远不止这些基本类别。因此，当这些模型部署到现实世界中时，可能会遇到未知类别，例如无法归类到现有基本类别的复合表情。为了解决这个问题，我们首次提出了开放集FER任务。尽管已有许多开放集识别方法，但我们认为它们不适用于开放集FER，因为FER数据都是人脸，类间距离非常小，这使得开放集样本与闭集样本极为相似。在本文中，我们首次将类间距离小的劣势转化为优势，提出了一种新的开放集FER方法。具体来说，我们发现小的类间距离允许开放集样本的伪标签稀疏分布，这可以被视为对称噪声标签。基于这一新颖的观察，我们将开放集FER转化为一个噪声标签检测问题。我们进一步提出了一种结合注意力图一致性和循环训练的新方法来检测开放集样本。在多个FER数据集上的大量实验表明，我们的方法以大幅优势明显优于最先进的开放集识别方法。代码可在 https://github.com/zyh-uaiaaaa 获取。
引用
@article{arxiv.2401.12507,
title = {Open-Set Facial Expression Recognition},
author = {Yuhang Zhang and Yue Yao and Xuannan Liu and Lixiong Qin and Wenjing Wang and Weihong Deng},
journal= {arXiv preprint arXiv:2401.12507},
year = {2024}
}
备注
Accepted by AAAI2024