Jun, 2019

视频面部表情识别的框架注意力网络

PDF
TL;DR本文提出了 Frame Attention Networks（FAN）来自动突出视频中具有区分度的帧，进行面部特征的集成，并在 CK + 和 AFEW8.0 数据集上展开了广泛的实验，其效果表现出优越的性能，超过了基于 CNN 的其他方法并在 CK + 上取得了最优秀的性能。
facial expression recognitionframe attention networksconvolutional neural networkattention weightsperformance
发现论文，激发创造
  • 视频人脸识别特征聚合网络

    本文提出了一种基于元注意力聚合的方法来学习视频紧凑表示以实现视频人脸识别任务，并对其进行了实验验证和性能比较。

    May, 2019

  • 视频人脸识别：基于组件特征聚合网络的方法 (C-FAN)

    我们提出了组件化特征聚合网络（C-FAN）作为视频人脸识别的新方法。C-FAN 自适应地将深层次特征向量聚合成一个单独的 512 维的表示一个视频序列的特征向量来实现出色的性能表现。

    Feb, 2019

  • 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

  • 聚焦注意力：自然图像中准确的文本识别

    本文提出了一种名为 Focusing Attention Network 的方法，利用聚焦注意机制来消除针对复杂和 / 或低质量图像的 “注意力漂移” 现象，同时采用 ResNet-based 网络来丰富场景文本图像的深层表示，并在 IIIT5k、SVT 和 ICDAR 数据集上进行了实验，其结果表明 FAN 明显优于现有方法。

    Sep, 2017

  • 面部关注网络：一种针对被遮挡面部的有效人脸检测器

    本文提出了一种新的人脸检测器 Face Attention Network (FAN), 其中采用新的锚级别注意和数据增强技术，从而显着提高了被遮挡情况下人脸检测的召回率，且不影响检测速度。实验结果表明，该方法在 WiderFace 和 MAFA 等公共人脸检测基准测试中均获得了最先进的结果。

    Nov, 2017

  • 分散注意力：多头交叉注意力网络用于面部表情识别

    我们提出了一种新的面部表情识别网络，称为分心网络（DAN）。我们的方法基于两个关键观察结果。首先，多个类别共享内在相似的面部外貌，它们的差异可能很细微。其次，面部表情通过多个面部区域同时展示出来，并且需要通过编码局部特征之间的高阶交互的全面方法来识别。为了解决这些问题，我们提出了我们的 DAN，并通过三个关键部分构建了它。经过广泛实验验证，在包括 AffectNet、RAF-DB 和 SFEW 2.0 在内的三个公共数据集上，该方法始终实现了最先进的面部表情识别性能。

    Sep, 2021

  • 用户生成视频情感识别的端到端视听注意力网络

    本研究提出了一种基于卷积神经网络的深层视听关注网络（VAANet）来进行用户生成视频中的情感识别，其结果在两个不易的视频情绪识别数据集上均优于现有的方法。

    Feb, 2020

  • 用于单阶段人脸检测的特征聚合网络

    本文中，我们提出了一种名为 FANet 的新型单阶段人脸检测器，它不仅实现了最新的性能，而且运行效率高。此外，我们还提出了一种分层损失来有效地训练 FANet 模型，并在几个公共人脸检测基准测试集上评估了所提出的 FANet 检测器，包括 PASCAL face、FDDB 和 WIDER FACE 数据集，在这些基准测试集上都获得了最新的结果。

    Dec, 2017

  • 神经聚合网络用于视频人脸识别

    本文介绍了一种神经汇聚网络（NAN）用于视频人脸识别，该网络由两个模块组成：特征嵌入模块和聚合模块，利用注意机制对变量数量的面部图像进行聚合，通过分类或验证损失训练 NAN 并打破 naive aggregation 方法的精度极限，达到了最先进的准确度。

    Mar, 2016

  • FANet：一种反馈注意力网络，用于改进生物医学图像分割

    在生物医学图像分析领域，我们提出了一种称为反馈关注网络（FANet）的新型架构，利用每个训练时期的信息来修剪随后的预测地图，该网络在不同的卷积层上允许学习特征图的 “硬关注”，通过七个公开的生物医学成像数据集测试，显示出较大的平均分割指标提高。

    Mar, 2021