基于特征点与多网络联合训练的表情识别

• 作者: 刘袁 夏添 张毅锋
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 表情识别 深度学习 联合训练 融合网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 图像与视觉
• 页码范围: 552-559
• 页数: 8页
• 分类号: TP391.41
• 字数: 5243字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17342

摘要

由于表情图片序列比单张表情图片的信息更丰富,因此基于前者的表情识别容易取得更好的实验效果.针对表情图片序列,提出一种仅基于人脸特征点信息和联合训练2个深度神经网络进行表情识别的方法.首先基于长度不定的图片序列抽取各帧之间差异最大化的子集;其次提取该子集中所有图片的特征点坐标进行预处理;再将坐标分别输入微观深度网络(MIC-NN)与宏观深度网络(MAC-NN)进行独立训练;最后基于惩罚MIC-NN与MAC-NN间差异的损失函数联合训练二者后,使用融合网络(FUS-NN)作为最终预测模型.在CK+,Oulu-CASIA,MMI这3个数据集中的实验结果表明,FUS-NN取得了优于绝大部分已知方法1％～15％的识别率,仅在MMI数据集中落后于最优模型2％;相比之下,该网络的时间复杂度远远小于效果相近的模型,取得了更好的识别效果与计算资源的平衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘袁	东南大学信息科学与工程学院	5	16	2.0	4.0
2	夏添	东南大学信息科学与工程学院	1	3	1.0	1.0