Spiking-FER：基于事件相机的脉冲神经网络面部表情识别
计算机视觉与模式识别
2023-04-21 v1 人工智能
摘要
面部表情识别（FER）是一个活跃的研究领域，近年来取得了显著进展，尤其是得益于大型深度学习模型的使用。然而，此类方法能耗特别高，难以部署到边缘设备。为解决这一问题，脉冲神经网络（SNNs）与事件相机相结合是一种有前景的替代方案，能够以更低的能耗处理稀疏且异步的事件。在本文中，我们首次将事件相机用于 FER，称为‘基于事件的 FER’，并通过将流行的视频 FER 数据集转换为事件流来提出首个相关基准。为应对这一新任务，我们提出了‘Spiking-FER’，一种深度卷积 SNN 模型，并将其与类似的人工神经网络（ANN）进行比较。实验表明，所提方法达到了与 ANN 架构相当的性能，同时能耗降低了数个数量级（高达 65.39 倍）。此外，我们对各种基于事件的数据增强技术进行了实验研究，以揭示针对基于事件的 FER 的高效变换。
引用
@article{arxiv.2304.10211,
title = {Spiking-Fer: Spiking Neural Network for Facial Expression Recognition With Event Cameras},
author = {Sami Barchid and Benjamin Allaert and Amel Aissaoui and José Mennesson and Chaabane Djéraba},
journal= {arXiv preprint arXiv:2304.10211},
year = {2023}
}