用于动作单元识别的迁移学习
计算机视觉与模式识别
2018-07-20 v1
摘要
本文提出了一种基于迁移学习所得模型的面部表情识别（FER）分类器集成。主要实验工作针对面部动作单元检测，使用特征提取与微调卷积神经网络（CNNs）开展。我们比较并评估了针对所提取 CNN 编码的若干分类器，如线性判别分析（LDA）、支持向量机（SVMs）和长短期记忆网络（LSTM）。还使用了多模型集成以进一步提升性能。我们发现，在使用特征提取进行动作单元识别时，VGG-Face 和 ResNet 是相对最优的预训练模型，且 VGG-Net 变体与 ResNet 的集成取得了最佳结果。
引用
@article{arxiv.1807.07556,
title = {Transfer Learning for Action Unit Recognition},
author = {Yen Khye Lim and Zukang Liao and Stavros Petridis and Maja Pantic},
journal= {arXiv preprint arXiv:1807.07556},
year = {2018}
}
备注
6 pages, Humanoids 2017 IEEE RAS International Conference workshop Cooperative Autonomous Robot Experience (Presentation)