Apr, 2018

深度和手工特征的本地学习用于面部表情识别

PDF
TL;DR通过使用卷积神经网络自动学习的特征和由视觉单词的袋子模型计算的手工特征相结合的方法进行面部表情识别，然后使用三步的局部学习框架进行类别标签预测，得出了目前最佳结果。
facial expression recognitionconvolutional neural networkslocal learningsupport vector machinesautomatic features
发现论文，激发创造
  • 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

  • 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

  • 基于卷积神经网络和条件随机场的时空面部表情识别

    本文提出了一种基于深度卷积神经网络和条件随机场模型的视频面部表情识别方法，该模型从面部图像中提取空间信息和视频帧之间的时间关系，并在三个公共数据库上进行了实验证明，该模型在跨数据库实验中表现出色，并在主体独立实验中获得与现有模型相当的成果。

    Mar, 2017

  • 基于局部区域特征和支持向量机的面部表情识别

    本文提出了一种基于外貌和几何特征结合支持向量机分类的面部表情识别方法，其中包括从特定区域提取外观和几何特征，使用递增搜索法确定重要的局部区域以降低特征维度并提高识别精度，并通过比较全局和局部的特征组合识别面部表情。该方法在公开的 Cohn-Kanade (CK+) 面部表情数据集上表现良好。

    Apr, 2016

  • 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

  • 利用多类 AdaBoost 和支持向量机进行图像序列中基于几何特征的面部表情识别

    本研究提出了一种全自动面部表情识别的新方法，该方法利用弹性束图匹配位移估计跟踪连续视频帧中的面部特征点，提取各个特征点的特征向量并进行归一化，通过多类 AdaBoost 和支持向量机方法识别面部表情，并在 Cohn-Kanade（CK +）面部表情数据库上实现了 95.17％和 97.35％的识别准确率。

    Apr, 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

  • 面部表情识别的多支路深度径向基函数网络

    本文利用基于径向基函数的多个支路来增强卷积神经网络，以捕捉面部情绪识别中的局部模式信息。结果表明，该模型在某些数据集上取得了最先进的表现，并且整合局部信息使其成为竞争对手。

    Sep, 2021

  • 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

  • 深度局部特征学习在人脸防欺骗检测中的应用

    本文使用卷积神经网络（CNN）中的局部特征来提高面部欺骗检测的性能，并且在整个面部图像上进行预训练，使 CNN 可以学习不同的本地欺骗线索，从而改进了性能并提高了最终模型的收敛速度。

    Jun, 2018