用于面部动作单元检测的上、中、下区域学习
计算机视觉与模式识别
2020-02-12 v2 机器学习
摘要
面部动作单元（AUs）检测是面部表情分析的基础。由于AU仅出现在面部的小区域中，基于区域的学习已被广泛认为对AU检测有用。大多数基于区域的研究聚焦于AU发生的小区域。关注特定区域有助于消除身份的影响，但带来丢失信息的风险。找到平衡具有挑战性。在本研究中，我提出一种简单策略。我将面部划分为上、中、下三个宽泛区域，并根据AU发生位置对其进行分组。我提出一种名为基于三区域的注意力网络（TRA-Net）的端到端深度学习新框架。在提取全局特征后，TRA-Net使用硬注意力模块提取三张特征图，每张仅包含特定区域。每个区域特定特征图被送入独立分支。对于每个分支，使用三个连续的软注意力模块提取更高层特征以进行最终AU检测。在DISFA数据集中，该模型在AU1、AU2和AU4的检测上取得了最高的F1分数，并与最先进方法相比产生了最高准确率。
引用
@article{arxiv.2002.04023,
title = {Upper, Middle and Lower Region Learning for Facial Action Unit Detection},
author = {Yao Xia},
journal= {arXiv preprint arXiv:2002.04023},
year = {2020}
}