ECCVNov, 2017

面部动态解析网络：面部特征估计中局部动态之间的重要关系是什么？

PDF
TL;DR本文提出了一种新颖的深度学习方法，名为面部动态解释器网络，用于解释表情序列中面部局部动态之间的重要关系以估计面部特征，通过比较实验，证明该方法在性别分类和年龄估计方面的有效性，并且优于现有的方法。
发现论文，激发创造
  • 从面部表情识别到人际关系预测

    本研究旨在研究是否可以从生活场景中的人脸图像中对人际关系进行细分和高水平特征的表征和量化，并提出了一种采用深度网络架构来识别面部表情的方法，以预测人际关系，并展示出了良好的实验结果。

    Sep, 2016

  • 使用神经网络进行挑战人群面部表情的情感识别

    这篇论文提出了一种通过图像进行面部表情的深度分类方法，采用了深度前馈人工神经网络。该方法可用于良好的应用，包括视觉检查和安全措施。

    May, 2023

  • 使用深度学习识别面部微表情的人物识别

    本研究旨在探究面部微表情作为软生物识别的有效性并提出一种深度学习的方法来提高其在人体识别方面的应用，实验结果显示该方法与现有的基准相比，可以显著提高识别准确性。

    Jun, 2023

  • 深度时空外观 - 几何网络用于面部表情识别

    本文介绍了一种使用深度学习技术自动提取面部表情识别所需信息特征的方法，通过两个不同的深度学习模型使得我们在 CK + 和 Oulu-CASIA 数据库上，获得了优于其他现有方法的性能表现。

    Mar, 2015

  • 面部表情和周边生理融合解码个体化情感体验

    本文提出了一种多模态方法，结合分析面部运动和多个外部生理信号，通过考虑个体化休息动态来解码正负情感体验。通过构建人体特征循环网络，解码个体面部运动和生理数据的动态耦合关系，并在其基础上训练推理模型，将个体的情感体验进行预测和验证。

    Nov, 2018

  • 通过分离三维表情与身份来实现野外实时面部表情识别

    本研究提出了一种基于深度学习和面部视频数据的情感检测方法，使用 Convolutional Neural Network 训练一个能够估计三维表情模型参数的模型，并结合情感分类器，能够高效准确地从动态图像中识别面部表情，且在基本情感和压力情感的识别任务中超过了其他方法。

    May, 2020

  • 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

  • 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

  • 基于深度学习的面部表情数据的事后和流形解释分析

    通过实验研究探究神经网络如何处理和储存面部表情数据，并将这些数据与人类产生的各种心理属性相联系，表明深度学习模型在理解人类情绪和认知过程方面具有潜力，非欧几里德空间视角下的认知产品或心理属性的多样化可视化解释不仅提供了对 AI 的可解释性的新见解，还推动了 AI 技术在心理学领域的应用和心理信息处理的新的理论理解。

    Apr, 2024

  • 揭示可解释人工智能的自动面部表情识别中的人类相似性：一项经验性探索

    深度学习在面部表情识别方面的模型表现超过了人类，本研究通过比较不同神经网络（包括一般物体分类器和面部表情识别专用模型）来探索深度神经网络与人类感知之间的相似性。使用可解释的全局人工智能方法生成热图，揭示出六种面部表情的关键面部区域，通过定量和定性的方法评估结果，并发现网络体系结构对相似性的影响。

    Jan, 2024