基于先验的客观推理挖掘面部表情识别中的潜在不确定性
计算机视觉与模式识别
2024-11-21 v1
摘要
由视觉判断固有的主观性引起的标注模糊性一直是面部表情识别（FER）任务的一大挑战，特别是对于来自自然场景的大规模数据集。一个潜在的解决方案是评估相对客观的情感分布，以帮助减轻主观标注的模糊性。为此，本文提出了一种新颖的基于先验的客观推理（POI）网络。该网络利用先验知识推导出更客观、更多样的情感分布，并通过动态知识转移解决主观标注模糊性问题。POI 包含两个关键网络：首先，先验推理网络（PIN）利用 AU 和情感的先验知识来捕捉复杂的运动细节。为了减少对先验的过度依赖并促进客观情感推理，PIN 聚合来自各个关键面部子区域的推理知识，鼓励相互学习。其次，目标识别网络（TRN）整合主观情感标注和 PIN 提供的客观推理软标签，促进对内在面部表情多样性的理解，从而解决标注模糊性。此外，我们引入了一个不确定性估计模块来量化和平衡面部表情置信度。该模块提供了一种灵活的方法来处理主观标注的不确定性。大量实验表明，POI 在合成噪声数据集和多个真实世界数据集上均表现出有竞争力的性能。所有代码和训练日志将在 https://github.com/liuhw01/POI 公开提供。
引用
@article{arxiv.2411.13024,
title = {Prior-based Objective Inference Mining Potential Uncertainty for Facial Expression Recognition},
author = {Hanwei Liu and Huiling Cai and Qingcheng Lin and Xuefeng Li and Hui Xiao},
journal= {arXiv preprint arXiv:2411.13024},
year = {2024}
}