RealSmileNet：一种用于自发与伪装微笑识别的深度端到端网络
计算机视觉与模式识别
2020-10-08 v1
摘要
微笑在理解不同社群中的社交互动方面起着至关重要的作用，并以真实与欺骗性的方式揭示人们的心理状态。已有多种方法被提出用于识别自发与伪装微笑。它们均遵循基于特征工程的流程，需要耗费成本的预处理步骤，如人脸关键点手动标注、跟踪、微笑相位分割及手工特征提取。由此产生的计算开销大，且强烈依赖于预处理步骤。我们研究了一种端到端深度学习模型以解决这些问题，这是首个用于自发与伪装微笑识别的端到端模型。我们的全自动化模型速度快，并通过从头训练一系列卷积层与 ConvLSTM 层来学习特征提取过程。我们在四个数据集上的实验以 SOTA 性能证明了所提模型的鲁棒性与泛化能力。
引用
@article{arxiv.2010.03203,
title = {RealSmileNet: A Deep End-To-End Network for Spontaneous and Posed Smile Recognition},
author = {Yan Yang and Md Zakir Hossain and Tom Gedeon and Shafin Rahman},
journal= {arXiv preprint arXiv:2010.03203},
year = {2020}
}
备注
Accepted by ACCV