面向面部表情识别的自定步长中性表情解耦学习
计算机视觉与模式识别
2023-03-22 v1
摘要
面部表情识别的准确率通常受以下因素影响：不同表情间的高相似性、干扰因素以及快速而细微变化的微表情运动。解决这些障碍的一个潜在可行方案是利用中性表情图像中隐藏的中性信息。为此，本文提出一种自定步长中性表情解耦学习（SPNDL）模型。SPNDL从面部表情中解耦出中性信息，从而更容易提取关键特征和偏差特征。具体而言，它能够在相似表情间捕获判别性信息并感知微表情运动。为了更好地学习这些中性表情解耦特征（NDFs）并缓解非凸优化问题，在训练阶段提出了一种基于NDFs的自定步长学习（SPL）策略。SPL通过增加选入训练过程的样本数量，从易到难地学习样本，从而有效抑制低质量样本和不一致分布的NDFs所带来的负面影响。在三个常用数据库（即CK+、Oulu-CASIA和RAF-DB）上的实验表明了我们所提方法的有效性。
引用
@article{arxiv.2303.11840,
title = {Self-Paced Neutral Expression-Disentangled Learning for Facial Expression Recognition},
author = {Zhenqian Wu and Xiaoyuan Li and Yazhou Ren and Xiaorong Pu and Xiaofeng Zhu and Lifang He},
journal= {arXiv preprint arXiv:2303.11840},
year = {2023}
}