基于迁移学习的无约束环境下微笑检测
计算机视觉与模式识别
2018-02-08 v1
摘要
从无约束人脸图像中进行微笑检测是一个专门且具有挑战性的问题。作为信息量最大的表情之一，微笑传达基本的潜在情绪，如快乐与满意，这带来了多种应用，例如人类行为分析与交互控制。与人脸识别数据库的规模相比，可用于训练微笑检测系统的标注数据少得多。为利用人脸识别数据集中大量标注数据并缓解微笑检测上的过拟合，本文提出一种高效的基于迁移学习的微笑检测方法。与以往使用手工设计特征或从零训练深度卷积网络的工作不同，本文探索并微调一个训练良好的深度人脸识别模型，用于无约束环境下的微笑检测。通过使用GENKI-4K数据集生成的对齐、未对齐和灰度图像对人脸识别模型进行不同输入的微调，构建了三种不同模型。实验表明所提方法取得了改进的最先进性能。本文还评估了模型对噪声与模糊伪影的鲁棒性。
引用
@article{arxiv.1802.02185,
title = {Smile detection in the wild based on transfer learning},
author = {Xin Guo and Luisa F. Polanía and Kenneth E. Barner},
journal= {arXiv preprint arXiv:1802.02185},
year = {2018}
}