Jan, 2022

基于面部标志和神经网络的实时面部表情识别

PDF
TL;DR本研究提出了一种基于静态图片实现的轻量级算法，用于实时进行人脸表情识别、情绪分类和特征提取。 Multi-Layer Perceptron (MLP) 神经网络是基于前面的算法进行训练的，提取几何和纹理特征，生成特征向量，用于训练三层 MLP，其测试准确度达到 96%。
发现论文，激发创造
  • 面部标志识别的情感识别

    该研究提出了一种基于面部标志的情感识别分类损失函数修改方法，将一种新方法 EmotionalDAN 应用于情感识别上，并在两个挑战性基准数据集上实现了比最先进的情感分类方法高达 5% 的准确度。

    Apr, 2018

  • 真实情绪映射：实时新闻中面部表情基准测试

    使用从逼真的新闻视频中提取的面部地标的情感识别的一种新方法，采用图神经网络分析面部地标的几何和空间关系，提高情感识别的理解和准确性。该方法通过构建基准数据集展示了其可行性和潜力，为情感识别技术的未来研究指明了新的方向。

    Apr, 2024

  • 使用脸部标记信息增强的卷积神经网络从面部图像预测个人特征

    本文提出了使用深度卷积神经网络结合面部标志信息来估计面部属性的新方法，并在新的面部属性数据集上进行了实证分析，结果显示该方法相对于基线方法在多个面部属性上均有显著提升。

    May, 2016

  • 重新审视面部关键点检测：使用深度神经网络的高效方法

    本研究旨在评估迁移学习模型，包括 MobileNetV2 和 NasNetMobile，以及自定义 CNN 体系结构，在模型大小、参数和推理时间方面开发高效的深度学习模型，并研究数据增强和微调对这些模型的影响。MobileNetV2 体系结构产生了最低的 RMSE 和推理时间，而以人工优化的 CNN 体系结构与 Auto Keras 调整的体系结构表现类似。

    May, 2022

  • 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

  • 从面部身份特征合成规范化的面部

    该论文提出了一种生成正面中性面部图像的方法，通过从面部识别网络提取的特征来生成面部标记和纹理。通过不变性编码特征向量，使用只包含正面中性照片来训练解码器网络，解码器独立预测标记和纹理，然后使用可微分图像变形操作将它们组合在一起，最终得到可以用于多种应用的合成图像。

    Jan, 2017

  • 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

  • 利用显著面部区域特征的自动面部表情识别

    本文提出了一种用于面部表情识别的新框架，通过使用选择面部补丁的外观特征，使用一对一分类方法来分类每对表情类，提取包含区分特征的显著补丁，并针对不同表情类选择不同的显著补丁，提出了一个自动学习 - 无费用的面部标记检测技术，该技术在不同分辨率下表现稳定，在 CK + 和 JAFFE 面部表情数据库上展示了该系统的有效性。

    May, 2015

  • 猫脸部关键点的自动检测

    动物情感计算领域的重要挑战之一是缺乏高质量的数据集，本文提出了一个以猫脸图像为基础的新数据集，并通过使用面部标志检测卷积神经网络模型，在猫脸上取得了优异性能，同时该模型也具有推广到人脸标志检测的潜力。

    Oct, 2023

  • LA-Net: 面部表情识别中基于地标的可靠学习

    提出一种名为 Landmark-Aware Net（LA-Net）的新型面部表情识别模型，利用面部标记从两个角度降低标签噪声的影响，通过邻域聚合构建每个样本的标签分布，并使用表情 - 标记对比损失将标记信息融入表情表示中，以提高培训监督质量，并在野外数据集和合成噪声数据集上展示了最先进的性能。

    Jul, 2023