点对抗自挖掘：一种用于面部表情识别的简单方法
计算机视觉与模式识别
2021-05-11 v2
摘要
在本文中，我们提出了一种简单而有效的方法，称为点对抗自挖掘（PASM），以提高面部表情识别的识别准确率。与以往工作专注于设计特定架构或损失函数来解决该问题不同，PASM通过模拟人类学习过程来提升网络能力：提供更新的学习材料和来自能力更强教师的指导。具体而言，为生成新的学习材料，PASM利用点对抗攻击方法和训练好的教师网络来定位与目标任务最相关的信息位置，生成更难的学习样本以精炼网络。所搜索的位置具有高度自适应性，因为它同时考虑了每个样本的统计信息和教师网络能力。除了提供新的学习材料外，学生网络还接收来自教师网络的指导。学生网络完成训练后，其角色发生转换并充当教师，生成新的学习材料并提供更强的指导以训练更好的学生网络。自适应学习材料生成与师生更新可进行不止一次，从而迭代地提升网络能力。大量实验结果验证了我们的方法在面部表情识别上相对于现有最先进方法的效力。
引用
@article{arxiv.2008.11401,
title = {Point Adversarial Self Mining: A Simple Method for Facial Expression Recognition},
author = {Ping Liu and Yuewei Lin and Zibo Meng and Lu Lu and Weihong Deng and Joey Tianyi Zhou and Yi Yang},
journal= {arXiv preprint arXiv:2008.11401},
year = {2021}
}