SS-MFAR：半监督多任务面部情感识别
计算机视觉与模式识别
2022-08-08 v2
摘要
自动情感识别在教育、游戏、软件开发、汽车、医疗等诸多领域有应用，但在野外数据集上取得可观性能并非易事。野外数据集虽比合成数据集更能代表真实场景，但前者存在标签不完整的问题。受半监督学习启发，本文介绍我们提交至第四届野外情感行为分析(ABAW) 2022 竞赛多任务学习挑战赛的方案。该挑战赛考虑的三个任务为效价-唤醒度(VA)估计、将表情分类为 6 种基本表情（愤怒、厌恶、恐惧、高兴、悲伤、惊讶）、中性及“其他”类，以及编号为 AU-{1,2,4,6,7,10,12,15,23,24,25,26} 的 12 个动作单元(AU)。我们的方法半监督多任务面部情感识别（简称 SS-MFAR）使用带有各任务特定分类器的深度残差网络，并为每个表情类设置自适应阈值，以及对不完整标签采用半监督学习。源代码见 https://github.com/1980x/ABAW2022DMACS。
引用
@article{arxiv.2207.09012,
title = {SS-MFAR : Semi-supervised Multi-task Facial Affect Recognition},
author = {Darshan Gera and Badveeti Naveen Siva Kumar and Bobbili Veerendra Raj Kumar and S Balasubramanian},
journal= {arXiv preprint arXiv:2207.09012},
year = {2022}
}
备注
ABAW 2022 test set results added