ReSup：面向面部表情识别的可靠标签噪声抑制方法
计算机视觉与模式识别
2023-05-30 v1 人机交互
摘要
由于面部表情识别 (FER) 任务具有模糊性和主观性，标签噪声广泛存在于 FER 数据集中。针对该问题，当前 FER 方法在训练阶段常直接预测输入图像的标签是否含噪，以降低含噪数据在训练中的贡献。然而，我们认为此类方法受限于该噪声数据判定操作的低可靠性，导致一些被误弃的干净数据未被充分利用，而一些被误留的含噪数据干扰了模型学习过程。本文提出一种更可靠的噪声标签抑制方法 ReSup (Reliable label noise Suppression for FER)。首先，ReSup 不直接预测是否含噪，而是根据预测与目标的差异同时建模噪声与干净标签的分布来进行噪声数据判定。具体而言，为实现最优分布建模，ReSup 对所有样本的相似度分布进行建模。为进一步提升噪声判定结果的可靠性，ReSup 使用两个网络联合实现噪声抑制：利用两网络不易犯相同错误的特性，使两网络交换决策并倾向于信任高一致性决策。在三个主流基准上的大量实验表明，所提方法在 FERPlus 基准上以 3.01% 显著优于当前最优噪声标签 FER 方法。代码：https://github.com/purpleleaves007/FERDenoise
引用
@article{arxiv.2305.17895,
title = {ReSup: Reliable Label Noise Suppression for Facial Expression Recognition},
author = {Xiang Zhang and Yan Lu and Huan Yan and Jingyang Huang and Yusheng Ji and Yu Gu},
journal= {arXiv preprint arXiv:2305.17895},
year = {2023}
}