基于局部特征聚类损失和多类特征融合的面部表情识别

• 作 者: 王浩 栗永泽 方宝富
• 机 构: 合肥工业大学计算机与信息学院
• 出 处: 模式识别与人工智能
• 发表日期: 2020年03期
• 关键词: 面部表情识别 卷积神经网络 深度学习 局部特征 Facial Expression RecognitionConvolutional Neural Networ
• 基金项目: 国家自然科学基金项目(No.61872327),中央高校基本科研业务费专项资金(No.ACAIM190102),中国教育部创新团队项目(No.IRT17R32),安徽省自然科学基金项目(No.1708085MF146),安徽高校协同创新项目(No.GXXT-2019-003)资助

在真实世界中,每个个体对表情的表现方式不同.基于上述事实,文中提出局部特征聚类(LFA)损失函数,能够在深度神经网络的训练过程中减小相同类图像之间的差异,扩大不同类图像之间的差异,从而削弱表情的多态性对深度学习方式提取特征的影响.同时,具有丰富表情的局部区域可以更好地表现面部表情特征,所以提出融入LFA损失函数的深度学习网络框架,提取的面部图像的局部特征用于面部表情识别.实验结果表明文中方法在真实世界的RAF数据集及实验室条件下的CK+数据集上的有效性.