CVPRMar, 2022

粗到细级联平滑预测网络用于视频面部表情识别

PDF
TL;DR提出了一种基于粗到细的级联网络和平滑预测的面部表情识别方法，通过捕获通用和独特的表现特征来提高模型的识别能力，并在 Aff-Wild2 数据集上取得了有效性验证，获得了情感行为分析竞赛中的第三名。
发现论文，激发创造
  • 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

  • 多尺度时空图卷积网络用于面部表情检测

    本文提出了一种用于面部表情识别的多尺度时空图卷积网络 (SpoT-GCN)，通过接受域自适应滑窗策略提取更稳健的动态特征，并通过面部图形表示将微妙的动态特征转换为学习到的时空图模式，并使用提出的面部局部图池化 (FLGP) 从多个尺度的面部图结构中学习局部和全局特征，此外，引入了有监督对比学习来增强模型对难以分类的帧的区分能力。在 SAMM-LV 和 CAS (ME)^2 数据集上的实验结果表明，我们的方法在微表情识别方面达到了最先进的性能，消融研究进一步验证了我们提出的模块的有效性。

    Mar, 2024

  • 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

  • 基于骨骼的运动动作识别的跨块细粒度语义级联

    本文提出了一种名为 “交叉块细粒度语义级联（CFSC）” 的模块来改善人体动作视频识别的问题，并在实验结果中展示了 CFSC 模块在动作分类方面的优势。

    Apr, 2024

  • 利用预训练于大型人脸识别数据集上的卷积神经网络进行视频情感分类

    本文提出了一种由多个利用卷积神经网络和大规模人脸识别数据集进行训练得到的强大行业级人脸识别网络组成的集成模型，该模型对视频中的空间和音频特征进行捕获，从而提高情绪识别的准确性，并在不使用视觉时间信息的情况下，将测试集的最佳结果提高了约 1％，实现了 60.03％的分类准确度。

    Nov, 2017

  • 基于完全卷积连续 CRF 神经网络的人脸解析

    本文提出了一种基于全卷积网络和连续条件随机场的人脸分割方法，并在多个数据集上进行了全面评估，证明了该方法相对于其他方法具有更好的性能。

    Aug, 2017

  • SPFNet：用于语义分割的子空间金字塔融合网络

    该研究提出了一种 Subspace Pyramid Fusion Network (SPFNet) 的编码解码结构，旨在提高像素级分割的性能，并采用多尺度 / 全局上下文信息进行上下文聚合，通过实验结果表明该方法在语义分割方面与其他现有技术相当竞争力。

    Apr, 2022

  • 面部表情识别的多区域融合卷积神经网络

    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

  • 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

  • SlowFast 网络用于连续手语识别

    本研究旨在通过双通道 SlowFast 网络以及特殊的特征融合方法，有效提取连续手语识别中的时空特征，并在多个数据集上展示了该模型在空间和动态表示方面的优势。

    Sep, 2023