利用卷积神经网络识别遮挡人脸的面部表情
计算机视觉与模式识别
2019-11-13 v1 机器学习
摘要
在本文中，我们提出一种基于卷积神经网络（CNNs）的方法，用于在具有严重遮挡的困难设定下进行面部表情识别。更具体地，我们的任务是识别佩戴虚拟现实（VR）头显的人物的面部表情，该头显本质上遮挡了面部上半部分。为了在此类面部被严重遮挡的设定下准确训练神经网络，我们通过有意遮挡面部上半部分来修改训练样本。这迫使神经网络关注面部下半部分，并获得比在完整面部上训练的模型更高的准确率。我们在两个基准数据集FER+和AffectNet上的实证结果表明，我们的CNN模型在面部下半部分的预测比在完整面部上训练的基线CNN模型高出至多13%，证明了它们对VR设定的适用性。此外，我们的模型在面部下半部分的预测不低于基线模型在完整面部上预测的10%以内，证明面部下半部分含有足以准确预测面部表情的线索。
引用
@article{arxiv.1911.04852,
title = {Recognizing Facial Expressions of Occluded Faces using Convolutional Neural Networks},
author = {Mariana-Iuliana Georgescu and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:1911.04852},
year = {2019}
}
备注
Accepted at ICONIP 2019