迁移双随机图卷积网络用于面部微表情识别
计算机视觉与模式识别
2022-03-11 v1 图像与视频处理
摘要
微表情识别因在测谎、犯罪侦查与心理咨询中的广泛应用而受到日益关注。为提升小样本微表情数据的识别性能，本文提出一种迁移双随机图卷积网络（TDSGCN）模型。我们提出随机图构建方法与双图卷积网络，以从微表情图像中提取更具判别性的特征。我们使用迁移学习从宏表情数据预训练 SGCN。还集成光流算法提取其时间特征。我们融合空间与时间特征以提升识别性能。据我们所知，这是首次尝试在微表情识别任务中利用迁移学习与图卷积网络。此外，为处理数据集的类不平衡问题，我们着重设计 focal loss 函数。通过大量评估，我们所提方法在 SAMM 与近期发布的 MMEW 基准上取得了最先进性能。我们的代码将随本文公开。
引用
@article{arxiv.2203.05208,
title = {Transferring Dual Stochastic Graph Convolutional Network for Facial Micro-expression Recognition},
author = {Hui Tang and Li Chai and Wanli Lu},
journal= {arXiv preprint arXiv:2203.05208},
year = {2022}
}