语义邻域感知的深度面部表情识别
计算机视觉与模式识别
2020-07-15 v1
摘要
与许多其他属性不同，面部表情可以以连续方式变化，因此输入的轻微语义变化也应导致输出波动限制在较小范围内。这种一致性很重要。然而，当前的面部表情识别（FER）数据集可能存在极端不平衡问题，以及数据缺乏和噪声过多，阻碍了这种一致性并导致测试时性能下降。在本文中，我们不仅考虑样本点上的预测精度，还考虑它们的邻域平滑性，关注输出相对于输入轻微语义扰动的稳定性。提出了一种新方法来形式化语义扰动并在训练期间筛选不可靠样本，从而减少其不良影响。实验显示了所提方法的有效性，并报告了最先进的结果，在迄今最大的野外 FER 数据库 AffectNet 中，比最先进方法更接近上限达 30%。
引用
@article{arxiv.2004.12725,
title = {Semantic Neighborhood-Aware Deep Facial Expression Recognition},
author = {Yongjian Fu and Xintian Wu and Xi Li and Zhijie Pan and Daxin Luo},
journal= {arXiv preprint arXiv:2004.12725},
year = {2020}
}