基于动态阈值与负学习的半监督面部表情识别
计算机视觉与模式识别
2026-01-12 v1 人工智能
摘要
面部表情识别是人机交互和情感计算中的一项关键任务。然而，获取大量带标签的面部表情数据通常成本高昂。因此，设计一种充分利用有标签和无标签数据的半监督面部表情识别算法尤为重要。在本文中，我们提出了一种基于动态阈值调整 (DTA) 和选择性负学习 (SNL) 的半监督面部表情识别算法。首先，我们在特征提取过程中设计了局部注意力增强和特征图随机丢弃的策略，这增强了局部特征的表示，同时确保模型不会过拟合到任何特定的局部区域。此外，本研究引入了一种动态阈值化方法，以适应半监督学习框架对面部表情识别任务的要求，并通过选择性负学习策略，通过从互补标签中挖掘有用的表情信息，充分利用低置信度的无标签样本，取得了令人印象深刻的结果。我们在 RAF-DB 和 AffectNet 数据集上达到了最先进的性能。即使不使用整个数据集，我们的方法也超越了全监督方法，这证明了我们方法的有效性。
引用
@article{arxiv.2601.05556,
title = {Semi-Supervised Facial Expression Recognition based on Dynamic Threshold and Negative Learning},
author = {Zhongpeng Cai and Jun Yu and Wei Xu and Tianyu Liu and Jianqing Sun and Jiaen Liang},
journal= {arXiv preprint arXiv:2601.05556},
year = {2026}
}