动作单元检测应选择何种CNN与训练设置？基于大规模数据集的研究
计算机视觉与模式识别
2021-11-17 v1
摘要
本文探讨了若干常用的卷积神经网络（CNN）、训练设置以及训练集结构对动作单元（AU）检测的影响。具体而言，我们首先比较了10种不同的浅层与深层CNN在AU检测中的表现。其次，我们研究了不同的训练设置（即对输入进行中心化/归一化、使用不同强度的数据增强，以及数据平衡）如何影响AU检测的性能。第三，我们探究了在训练集中增加已标注受试者数量与帧数对AU检测性能的作用。这些比较为研究界在选择不同CNN与训练设置进行AU检测时提供了有益的建议。在我们的分析中，我们使用了一个大规模自然场景数据集，包含约55K个野外采集的视频。据我们所知，此前尚无工作在如此大规模AU数据集上考察上述设置的影响。
引用
@article{arxiv.2111.08320,
title = {Which CNNs and Training Settings to Choose for Action Unit Detection? A Study Based on a Large-Scale Dataset},
author = {Mina Bishay and Ahmed Ghoneim and Mohamed Ashraf and Mohammad Mavadati},
journal= {arXiv preprint arXiv:2111.08320},
year = {2021}
}
备注
FG 2021