实时卷积神经网络用于情感和性别分类

Oct, 2017

实时卷积神经网络用于情感和性别分类

Real-time Convolutional Neural Networks for Emotion and Gender Classification

Octavio Arriaga, Matias Valdenegro-Toro, Paul Plöger

TL;DR本文提出并实现了一个通用的卷积神经网络（CNN）构建框架，用于设计实时 CNN。我们通过创建一个实时视觉系统来验证我们的模型，在一个混合步骤中同时完成面部检测、性别分类和情感分类的任务。我们提供了训练过程设置的详细信息，并在标准基准集上进行了评估，报告了 IMDB 性别数据集中 96% 和 FER-2013 情感数据集中 66% 的准确性。此外，我们还介绍了最近的实时启用的引导反向传播可视化技术。引导反向传播揭示了权重变化的动态，并评估了学习到的特征。我们认为，仔细实施现代 CNN 架构、使用当前的正则化方法和可视化以前隐藏的特征对于缩小慢速性能和实时架构之间的差距是必要的。我们的系统通过在 RoboCup＠Home 比赛中使用的 Care-O-bot 3 机器人上部署进行了验证。我们的所有代码、演示和预训练的架构都在我们的公共存储库中以开源许可证发布。

Abstract

In this paper we propose an implement a general convolutional neural network (CNN) building framework for designing real-time CNNs. We validate our models by creating a real-time vision system which accomplishes

convolutional neural network real-time vision system gender classification emotion classification guided back-propagation

发现论文，激发创造

基于 CNN 的移动设备面部情感分析

该研究旨在设计、部署和评估应用于移动设备的基于卷积神经网络（CNN）的面部情感分析架构，通过提出三种 CNN 架构并在野外基准面部图像数据集上进行比较评估，发现这些架构在保持较高性能的同时最小化存储需求，并且可以部署在基于移动设备上实时视频流上，同时还实现了基于预测用户情感的音乐推荐界面。

Jul, 2018

使用卷积神经网络进行实时手势检测与分类

本研究提出了一种层次结构的卷积神经网络架构，通过使用滑动窗口方法，使离线工作的卷积神经网络架构能够高效地在线操作，同时细化了手势检测和分类。该架构达到了 94.04％和 83.82％的离线分类准确率以及可实现良好的在线操作表现。

Jan, 2019

利用预训练于大型人脸识别数据集上的卷积神经网络进行视频情感分类

本文提出了一种由多个利用卷积神经网络和大规模人脸识别数据集进行训练得到的强大行业级人脸识别网络组成的集成模型，该模型对视频中的空间和音频特征进行捕获，从而提高情绪识别的准确性，并在不使用视觉时间信息的情况下，将测试集的最佳结果提高了约 1％，实现了 60.03％的分类准确度。

Nov, 2017

使用卷积神经网络进行性别分类的 2 个盒子 3 个裁剪的面部图像

本文提出了一种利用深度学习方法在人脸图像中进行性别识别的方法，并在性别注释的 Adience 和 LFW 数据集上进行了 fine-tuning，最终在 Adience 和 LFW 上的分类精度分别达到了 90.8% 和 95.3%，并能够在 GPU 上以每秒 7-10 帧的速度运行。

Mar, 2018

人脸分析的全功能卷积神经网络

本文提出一种使用单个深度卷积神经网络进行人脸检测，人脸对齐，姿态估计，性别识别，微笑检测，年龄估计和人脸识别的多用途算法，通过多任务学习框架实现了对 CNN 模型的共享参数的规范化，并在不同领域和任务之间建立协同关系，实验结果表明该网络对人脸具有更好的理解，并在大多数任务方面实现了最先进的结果。

Nov, 2016

基于混合模型的实时情绪识别与预测

本研究提出了一种结合深度卷积神经网络（DCNN）和 Haar Cascade 深度学习架构的混合模型，用于将实时和数字面部图像分类到七种面部表情类别之一。实验结果表明，与其他模型相比，该架构在分类性能上具有显著优势，并且准确率高达 70％，执行时间短，为 2098.8 秒。

Jun, 2022

深度神经网络对视频数据情绪识别的改进

本文通过使用卷积神经网络和循环神经网络来识别视频数据中的情感，分析两种神经网络对系统性能的贡献，并在实验中实现了优于基线和其他竞争方法的表现。

Feb, 2016

DAGER：使用卷积神经网络进行深度年龄、性别和情感识别

本文描述了 Sighthound 的全自动年龄、性别和情感识别系统的细节，他们通过半监督流水线收集大型标签数据集来提高深度学习网络的能力，最后在几个公共基准测试中获得出色的结果，该系统现在通过 Sighthound Cloud API 向开发人员提供服务。

Feb, 2017

一个实时面部分析系统

本文介绍了一个基于深度学习的系统级实时面部分析设计，使用神经网络进行物体检测、分类和回归，可以识别每个人的年龄、性别、面部表情和相似度。同时，文章提出了一种多任务网络来同时预测年龄、性别和面部表情，该系统达到了与现有先进方法相同的精度和实时性能要求。

Sep, 2021

野外视频情感分类的时间多模态融合

本文通过使用卷积神经网络改进面部描述符，并探索多种融合方法，建立并优化 CNN 架构，解决情感分类问题，获得了 2017 年 “Emotion in the Wild” 挑战赛第四名的准确性，达到了 58.8％。

Sep, 2017