面部表情识别的区域注意力网络:针对姿态和遮挡的鲁棒性
本文提出了一个基于几何模型的方法,在虚拟现实场景下戴着头戴式 VR 耳机困难的面部表情识别问题,在 FER + 和 RAF-DB 数据集上使用迁移学习方法,并在根据佩戴一款普通 VR 设备所导致的实际遮挡情况修改的基准数据集上展示了令人满意的识别结果。
Aug, 2020
提出了一种基于 Multi-Region Ensemble CNN (MRE-CNN) 框架的面部表情识别方法,结合深度学习方法和 CNN,同时捕捉全局和局部特征确定面部表情,经过实验证明,取得了最新的识别精度。
Jul, 2018
研究提出了一种基于鲁棒受限局部模型的集成,用于面部对齐,可以在存在显着遮挡和任何未知的姿势和表情的情况下实现。通过假设和测试搜索来评估 occlusion,结果表明在测试集中表现出一定的鲁棒性。
Jul, 2017
本文提出了一种使用条件随机森林从视频中捕捉表情变化的低级表达式转换模式的方法,通过对影片中每个前一帧生成的树进行预测,并通过时间平均来获得鲁棒性估计,进而提升面部表情分类的性能及精度。
Jul, 2016
本文提出了一种新颖的方法来避免处理具有极端不平衡性、且在测试时会导致表现降低的 FER 数据集,在捕捉到输入轻微语义扰动的同时,考虑了样本点的邻域平滑度,减少了那些不可靠的样本的影响。在 AffectNet 这个最大的 FER 数据库中进行的实验表明,该方法是有效的,并且报告了最新的研究结果,相较于现有的的技术方法提高了 30% 的上限。
Apr, 2020
提出了一种名为 Latent-OFER 的方法,通过使用视觉变换器 (ViT) 和卷积神经网络 (CNN) 进行遮挡部分的检测和修复,以及基于 CNN 的类激活映射提取与表情相关的信息,从而改善了遮挡面部表情识别的准确性。实验结果表明该方法优于现有方法。
Jul, 2023
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
本文提出了 POSTER++,通过交叉关注机制、取消图像到地标分支和多尺度特征提取等三个方向,实现了对 POSTER 性能的提升,大大降低了计算成本,并在 RAF-DB、AffectNet (7 cls) 和 AffectNet (8 cls) 等多个标准数据集上,取得了最优的面部表情识别性能。
Jan, 2023
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