使用不同野外数据集训练深度神经网络：以情绪识别为范式
机器学习
2018-09-13 v1 人工智能
人机交互
机器学习
摘要
本文提出了一种训练深度卷积与循环神经网络的新流程，该流程同时考虑了可用的训练数据集以及从使用其他相关数据集训练的相似网络中提取的某些信息。此信息被包含于用于网络训练的扩展损失函数中，使得网络在应用于其他数据集时能够获得改进的性能，同时不遗忘从原始数据集学到的知识。野外人脸表情与情绪识别被用作测试应用，以展示所提方法实现的性能提升。在此框架下，我们基于一个最近的相关情绪识别挑战赛中的数据集，对分类情绪识别进行了实验研究。
引用
@article{arxiv.1809.04359,
title = {Training Deep Neural Networks with Different Datasets In-the-wild: The Emotion Recognition Paradigm},
author = {Dimitrios Kollias and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:1809.04359},
year = {2018}
}