基于师生训练与三元组损失的遮挡下面部表情识别
计算机视觉与模式识别
2021-02-26 v2 机器学习
摘要
本文研究强遮挡下的面部表情识别任务。我们特别关注面部 50% 被遮挡的情况，例如受试者佩戴虚拟现实（VR）头显时。尽管已有研究表明在全可见（无遮挡）人脸上的卷积神经网络（CNNs）预训练可提升准确率，我们提出采用知识蒸馏以实现进一步提升。首先，我们采用经典师生训练策略，其中教师为在全可见人脸训练的 CNN，学生为在遮挡人脸训练的 CNN。其次，我们提出一种基于三元组损失的新型知识蒸馏方法。训练中，目标是缩小由以遮挡人脸为输入的学生 CNN 生成的锚嵌入，与由在全可见人脸训练的教师 CNN 生成的同类的正嵌入之间的距离，使其小于锚与由学生 CNN 生成的异类的负嵌入之间的距离。第三，我们提出将通过经典师生策略与基于三元组损失的新型师生策略获得的蒸馏嵌入组合为单一嵌入向量。我们在 FER+ 与 AffectNet 两个基准上，以 VGG-f 与 VGG-face 两种 CNN 架构进行实验，表明知识蒸馏相较专为 VR 场景遮挡人脸设计的最优方法可带来显著提升。
引用
@article{arxiv.2008.01003,
title = {Teacher-Student Training and Triplet Loss for Facial Expression Recognition under Occlusion},
author = {Mariana-Iuliana Georgescu and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2008.01003},
year = {2021}
}
备注
Accepted at ICPR 2020