低质量低比特率视频的鲁棒情绪识别：一种深度学习方法
计算机视觉与模式识别
2017-09-12 v1 人工智能
机器学习
摘要
基于面部表情的情绪识别非常有用，尤其当与智能设备和无线多媒体应用结合时。然而，不足的网络带宽常限制传输视频的空间分辨率，从而严重降低识别可靠性。我们开发了一种新颖的框架，以实现从低比特率视频的鲁棒情绪识别。在编码器端对视频帧进行下采样的同时，解码器嵌入了一个深度网络模型用于联合超分辨率（SR）与识别。值得注意的是，我们提出了一种新颖的 max-mix 训练策略，产生了单一的“One-for-All”模型，该模型对大范围的降采样因子具有显著鲁棒性。这使得我们的框架能很好地适应实际传输场景中变化的带宽，且不损害可扩展性或效率。所提框架在 AVEC 2016 基准上评估，并展示了比直接从低分辨率（LR）帧识别或分离 SR 与识别显著改进的独立识别性能以及率失真（R-D）性能。
引用
@article{arxiv.1709.03126,
title = {Robust Emotion Recognition from Low Quality and Low Bit Rate Video: A Deep Learning Approach},
author = {Bowen Cheng and Zhangyang Wang and Zhaobin Zhang and Zhu Li and Ding Liu and Jianchao Yang and Shuai Huang and Thomas S. Huang},
journal= {arXiv preprint arXiv:1709.03126},
year = {2017}
}
备注
Accepted by the Seventh International Conference on Affective Computing and Intelligent Interaction (ACII2017)