ICCVOct, 2015

深度神经网络在表情识别中是否学习到面部动作单元？

PDF
TL;DR在面部表情数据上使用零偏差卷积神经网络，作者在扩展的 Cohn-Kanade 和多伦多人脸数据集上取得了领先水平的性能，并使用空间模式可视化的方法解释了这些卷积神经网络是如何进行表情识别并关联面部动作元素的。
convolutional neural networksfacial expression recognitionfacial action unitszero-bias cnnspatial pattern visualization
发现论文，激发创造
  • 利用先前的面部动作单元知识进行面部情感识别

    我们提出了一种使用面部动作单元（AUs）识别技术来识别情绪的方法，该识别方法基于面部动作编码系统（FACS）并通过机器学习系统计算，以扩展情绪识别技术的能力。

    Nov, 2023

  • 面部动作单元识别的深层结构推理网络

    本文提出了一种基于深度神经网络的面部表情识别算法，通过学习局部和全局特征，以及类似于图推理方法的消息传递算法，显著提高了在 BP4D 和 DISFA 数据集上的表现。

    Mar, 2018

  • 深情感：利用注意力卷积网络进行面部表情识别

    该文介绍了针对面部表情识别问题，提出了一种基于注意力卷积网络的深度学习方法，并采用可视化技术确定了识别不同情绪对应的重要面部区域，相比先前的模型在多个数据集上都取得了明显的改进。

    Feb, 2019

  • 基于增强式深度 3D 卷积神经网络的人脸表情识别

    本篇研究提出了在视频中进行情感识别的 3D 卷积神经网络方法，使用 3D Inception-ResNet 层及 LSTM 单元，从面部图像中提取空间关系和不同帧之间的时间关系，并利用面部关键点作为输入，该方法在四个公开数据库上的表现超过了现有最先进技术。

    May, 2017

  • 当人脸识别遇到深度学习：卷积神经网络在人脸识别中的评估

    本文通过使用公共的数据集 LFW，提出了三种最近的第一代 CNN 结构，研究了卷积神经网络应用于人脸识别的原因和设计，发现将多个 CNN 结构及度量学习的融合，可以提高 CNN-FRS 的性能并使得学习特征的维度可显著减小。

    Apr, 2015

  • 使用视觉显著性和深度学习进行面部表情识别

    我们开发了一个卷积神经网络来识别人类面部表情。我们将已有的卷积神经网络模型 fine-tune 到 CFEE 和 RaFD 数据集，测试准确率分别为 74.79% 和 95.71%。通过在一个数据集上训练模型，在另一个数据集上测试可以牵扯到泛化的结果，最广泛的实验中测试集的 top-1 准确率为 65.39%。

    Aug, 2017

  • 一张网络里的表情、情感和动作单元：面部行为随心定制

    该论文介绍了 FaceBehaviorNet 这个多任务深度学习框架，并利用 5M 张公共数据集，成功地将自然环境中的人脸行为分析的三个识别任务（特征表情识别、连续情感估计和面部动作单元检测）结合了起来，同时提出了两种有效的联合学习策略，对大量无标注数据的少样本学习场景也具有良好的泛化能力。

    Oct, 2019

  • 面部动作单位识别的渐进增强卷积神经网络

    本研究提出了一种新颖的增量增强 CNN（IB-CNN），使其通过增量增强层将增强集成到 CNN 中，并选择下层的识别性神经元，在连续的小批量中进行增量更新。此外，还提出了一种新的损失函数，考虑了来自增量增强分类器和单个弱分类器的误差，以微调 IB-CNN，实验结果表明，IB-CNN 优于传统 CNN 和增强 CNN，并且在 AU 识别方面胜过 CNN-based 方法的最新技术。

    Jul, 2017

  • DeepVisage：简单却具有强大的泛化能力的人脸识别技术

    本文提出并实现了一种基于单个卷积神经网络的人脸识别方法，使用残差学习框架和归一化特征计算损失，实验证明在不同数据集上具有较好的泛化性能。

    Mar, 2017

  • 利用深度神经网络深入进行面部表情识别

    提出了一种深度神经网络构架，可在多个公共面部数据库上进行面部表情识别，并且在精度和训练时间上优于传统卷积神经网络和现有方法。

    Nov, 2015