论文部分内容阅读
针对实际应用中交叉数据集无法通过监督学习对预先训练模型进行微调的问题,提出一种基于条件生成对抗网络的跨域面部表情识别框架。该框架分为特征嵌入、对抗性学习和分类三个模块。利用联合学习的嵌入式功能来弥合源和目标数据分布之间的差距,完成从源域到目标域的特征转移;利用无监督生成对抗网络进行优化,根据域自适应方法给出表情分类。实验结果表明,与其他域自适应方法相比,该方法在面部表情识别方面具有极大优势;相对于无自适应的跨域方法,该方法的面部表情识别率有了明显提高。