基于预训练卷积神经网络特征的人脸表情识别
计算机视觉与模式识别
2018-12-18 v1
摘要
人脸表情识别一直是计算机视觉中的活跃领域，其应用包括动画、社交机器人、个性化银行等。在本研究中，我们基于从在 ImageNet 数据库上训练的预训练卷积神经网络提取的特征，探索用于检测面部表情的图像分类问题。提取特征并迁移至线性支持向量机进行分类。所有实验均在 JAFFE 和 CK+ 数据库这两个公开可用数据集上进行。结果表明，为物体识别等任务从预训练网络学习到的表示可以迁移并用于人脸表情识别。此外，对于小数据集，使用 VGG19 网络较早层的特征可提供更好的分类准确率。在 CK+ 和 JAFFE 数据集上分别取得了 92.26% 和 92.86% 的准确率。
引用
@article{arxiv.1812.06387,
title = {Pre-Trained Convolutional Neural Network Features for Facial Expression Recognition},
author = {Aravind Ravi},
journal= {arXiv preprint arXiv:1812.06387},
year = {2018}
}