Apr, 2024

真实情绪映射：实时新闻中面部表情基准测试

PDF
TL;DR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。
emotion recognitionfacial landmarksgraph neural networksdeep learningbenchmark dataset
发现论文，激发创造
  • 基于面部标志和神经网络的实时面部表情识别

    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%。

    Jan, 2022

  • 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

  • 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

  • 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

  • 应用基于关键点引导的生成对抗网络进行面部表情翻译

    本文提出利用面部标志信息的地标引导生成对抗网络（LandmarkGAN）, 用于使用单张图像进行面部表情转换，实现了在同样只有一张图像的情况下，比现有的基于关键点指导法更好地实现了面部表情之间的转换。

    Sep, 2022

  • 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

  • 数据增强和迁移学习应用于面部表情识别

    通过使用数据增强技术和生成对抗网络模型，将初步训练的卷积神经网络与不同架构的预训练模型的方法应用于面部表情识别任务，使得模型的泛化能力得到提高，从而实现对面部表情的自动识别，准确率达到 85%。

    Feb, 2024

  • QAFE-Net：面部表情质量评估与关键点热图

    针对帕金森病患者的面部表情质量问题，本研究提出了一种新的基于地标引导的方法 QAFE-Net，通过结合时序地标热图和 RGB 数据来捕捉面部微小肌肉动作，并将其编码和映射到严重程度评分中，实验结果表明该方法在质量评估方面超过了同类作品，也在疼痛估计方面达到了较低的平均绝对误差。

    Dec, 2023

  • ExpNet: 无需标记的深度 3D 面部表情识别

    本研究提出一种基于深度学习的新方法用于估计 3D 面部表情系数，该方法不依赖于人脸关键点检测的代理步骤，而是直接对面部图像强度进行处理，采用适应训练数据噪声的独特方法进行网络训练，通过基准测试表明所提出的方法能更准确地区分面部情感表达。

    Feb, 2018

  • 神经形态事件驱动的面部表情识别

    本文介绍了新型事件相机对于人脸情绪识别的应用以及介绍一个 NEFER 数据集，经过实验证明，采用 NEFER 数据集和神经形态学的方法可以更有效地分析人脸微小而难以察觉的表情和它们所隐藏的情感。

    Apr, 2023