TKFNet：学习纹理关键因子驱动特征用于面部表情识别
计算机视觉与模式识别
2025-05-16 v1
摘要
野外环境中的面部表情识别（FER）仍是一项具有挑战性的任务，因为与表情相关的特征具有细微性和局部性，且面部外观存在复杂变化。本文提出了一种新颖框架，明确聚焦于纹理关键驱动因子（TKDF），即在不同情感类别间具有强判别力的局部纹理区域。通过仔细观察面部图像模式，我们发现某些纹理线索，如眉毛、眼睛和嘴巴周围皮肤的微小变化，是情感动态的主要指示器。为有效捕捉和利用这些线索，我们提出了一种由纹理感知特征提取器（TAFE）和双上下文信息滤波（DCIF）组成的 FER 架构。TAFE 采用以 ResNet 为骨干并结合多分支注意力来提取细粒度纹理表示，而 DCIF 通过自适应池化和注意力机制对这些特征进行精炼。在 RAF-DB 和 KDEF 数据集上的实验结果表明，我们的方法达到了最先进的性能，验证了将 TKDF 纳入 FER 流水线的有效性和鲁棒性。
引用
@article{arxiv.2505.09967,
title = {TKFNet: Learning Texture Key Factor Driven Feature for Facial Expression Recognition},
author = {Liqian Deng},
journal= {arXiv preprint arXiv:2505.09967},
year = {2025}
}