VAD-Net：智能教育系统中的多维面部表情识别
计算机视觉与模式识别
2025-12-09 v1
摘要
当前 FER（面部表情识别）数据集大多按情感类别标注，如快乐、愤怒、悲伤、恐惧、厌恶、惊讶和中性，表现力有限。然而，未来的情感计算需要更全面精确的情感指标，可通过 VAD（Valence-Arousal-Dominance）多维参数衡量。AffectNet 尝试加入 VA（Valence and Arousal）信息，但仍缺乏 D（Dominance）维度。因此，本研究在 FER2013 数据集上引入 VAD 标注，主动标注 D 维度。为进一步提升网络容量，我们在其上强制实现正交化卷积，这提取更具多样性和表现力的特征，最终提高预测准确率。实验结果表明，D 维度虽可测量，但在人工标注或回归网络预测中难以获得，相较 V 和 A 维度更具挑战性。其次，通过引入正交卷积的消融实验验证，正交卷积配置可获得更好的 VAD 预测。因此，本研究为 FER 数据集上的 D 维度提供了初始标注，并通过正交卷积提出了更优的 VAD 预测网络。新构建的 VAD 标注 FER2013 数据集可作为衡量 VAD 多维情感的基准，而基于 ResNet 的正交化回归网络可作为 VAD 情感预测的面部表情识别基线。新建数据集及实现代码已公开于 https://github.com/YeeHoran/VAD-Net。
引用
@article{arxiv.2512.06377,
title = {VAD-Net: Multidimensional Facial Expression Recognition in Intelligent Education System},
author = {Yi Huo and Yun Ge},
journal= {arXiv preprint arXiv:2512.06377},
year = {2025}
}