TAL EmotioNet Challenge 2020：重新思考多任务学习中的模型选择问题
计算机视觉与模式识别
2020-04-22 v1
摘要
本文介绍了我们参加 EmotioNet Challenge 2020 的方法。我们将 AU 识别问题建模为一个多任务学习问题，其中非刚性面部肌肉运动（主要是前 17 个 AU）和刚性头部运动（后 6 个 AU）被分别建模。我们探索了表情特征与头部姿态特征的共现性。我们观察到不同的 AU 以不同的速度收敛。通过为每个 AU 选择最优检查点，识别结果得到了提升。我们在该挑战的验证集上获得了 0.746 的最终得分，在测试集上获得了 0.7306 的得分。
引用
@article{arxiv.2004.09862,
title = {TAL EmotioNet Challenge 2020 Rethinking the Model Chosen Problem in Multi-Task Learning},
author = {Pengcheng Wang and Zihao Wang and Zhilong Ji and Xiao Liu and Songfan Yang and Zhongqin Wu},
journal= {arXiv preprint arXiv:2004.09862},
year = {2020}
}
备注
4 pages, 2 figures, 3 tables, CVPRW2020