ECCVJul, 2016

基于峰值导引的深度神经网络的面部表情识别

PDF
TL;DR研究了用于面部表情识别任务的深度网络的目标函数，介绍了一种新的峰值驱动深度网络，使用样本峰值表情来监督同类型和同一个主体的非峰值表情的中间特征响应，有效实现对表情变化的不变性。通过分类器的训练，研究证明了 PPDN 模型比其他 FER 模型更优秀，该方法可以推广至其他任务，通过合适的峰值和非峰值样本定义达到最高识别率。
deep learningfacial expression recognitionpeak-piloted deep networkback-propagationpose-invariant face recognition
发现论文，激发创造
  • 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

  • 深度面部表情识别研究综述

    深度神经网络在面部表情识别中的应用、数据集和算法，针对过拟合和灯光、头部姿态等问题，分析和总结静态和动态图像序列的最新模型和性能，并探讨未来的发展方向和挑战。

    Apr, 2018

  • 基于动态自适应阈值学习的鲁棒性面部表情识别

    通过动态阈值方法，从含无干扰样本的数据集中选择数据，以减少嘈杂注释对面部表情识别深度学习的影响。同时，该研究还构建了一个无监督的同步 loss 机制使其能够学习从所有的数据集中学习。

    Aug, 2022

  • 渐进特征优化网络在显著目标检测中的应用

    我们提出了一种简单而有效的渐进式特征磨光网络（PFPN）框架，通过多个特征磨光模块（FPM）逐步磨光多级特征以获得更准确、更具代表性的前景检测结果，而且不需要后处理。该方法能够检测出具有精细细节的显著对象，而且具有灵活性，可以集成到任何基于 CNN 的模型中。该方法在五个基准数据集上取得了显著的最优结果。

    Nov, 2019

  • FaceNet2ExpNet：针对表情识别规范化的深度人脸识别网络

    本研究提出了一种名为 FaceNet2ExpNet 的新思想，通过静态图片训练表情识别网络，先预训练表情网络的卷积层，再添加全连接层联合训练，通过可视化结果表明该模型能够捕捉到更高层次的表情语义，实验证明该方法优于现有技术在四个公共数据库上的识别结果表现。

    Sep, 2016

  • 一种快速准确的非受限人脸检测器

    本文提出了一种无约束人脸检测的方法，使用新的特征 NPD 以及深度二次树来学习并优化数据，最终达到了与目前最优检测方法相媲美的检测效果。

    Aug, 2014

  • 神经消息传递的路径发现网络

    本文提出了 Pathfinder Discovery Networks (PDNs) 方法，能够联合学习多重网络上的信息传递图，并优化下游的半监督模型，是注意力机制在图上的一种推广，克服了图注意力网络的弱点，具有灵活的相似度函数构建，边卷积和便宜的多尺度混合层等特点，实验结果表明，在学术节点分类任务上具有很好的预测性能。

    Oct, 2020

  • 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

  • 面部表情识别的深层生成对比网络

    通过利用对比表示，该文介绍了一种基于生成模型与辨析模型相结合的深度神经网络，对人脸表情进行识别并提高识别准确率。

    Mar, 2017

  • 在野外使用平衡数据集进行的深度面部表情识别基准测试

    基于大规模 FER 数据集的广泛实验和实践交叉验证，本文对多种网络架构进行排名，并给出了在真实情景中应用深度 FER 方法的一些推荐。此外，还讨论了实际 FER 应用中的潜在道德规范，隐私问题和法规。

    Nov, 2023