模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2020, Vol. 33 Issue (3): 268-276    DOI: 10.16451/j.cnki.issn1003-6059.202003008
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于局部特征聚类损失和多类特征融合的面部表情识别
王浩1, 栗永泽1, 方宝富1
1.合肥工业大学 计算机与信息学院 合肥 230601
Locality Feature Aggregation Loss and Multi-feature Fusion for Facial Expression Recognition
WANG Hao1, LI Yongze1, FANG Baofu1
1.School of Computer Science and Information Engineering,Hefei University of Technology, Hefei 230601

全文: PDF (751 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 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.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
王浩
栗永泽
方宝富
关键词 面部表情识别卷积神经网络深度学习局部特征    
Abstract:Each individual makes facial expressions in a unique way. In this paper, a locality-feature-aggregation(LFA) loss function is proposed. Differences between images of the same class are reduced and those between images of different classes are expanded during the training of deep neural network. Thus, the influence of expression polymorphism on feature extraction by deep learning is weakened. The local areas with rich expressions can express facial expression features better. A deep learning network framework incorporating LFA loss function is proposed. Local features of facial images are extracted for facial expression recognition. Compared with other methods, the proposed method is more effective on real world RAF datasets and CK+ datasets under laboratory conditions.
Key wordsFacial Expression Recognition    Convolutional Neural Network    Deep Learning    Local Features   
收稿日期: 2019-10-28     
ZTFLH: TP 391.41  
基金资助: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
通讯作者: 方宝富,博士,副教授,主要研究方向为机器学习、机器视觉、多机器人系统.E-mail:fangbf@hfut.edu.cn.   
作者简介: 王 浩,博士,教授,主要研究方向为智能计算理论与软件、人工智能、机器视觉、数据挖掘等.E-mail:jsjxwangh@hfut.edu.cn. 栗永泽,硕士研究生,主要研究方向为计算机应用技术、面部表情识别、机器学习.E-mail:liyongze1995@163.com.
引用本文:   
王浩, 栗永泽, 方宝富. 基于局部特征聚类损失和多类特征融合的面部表情识别[J]. 模式识别与人工智能, 2020, 33(3): 268-276. WANG Hao, LI Yongze, FANG Baofu. Locality Feature Aggregation Loss and Multi-feature Fusion for Facial Expression Recognition. , 2020, 33(3): 268-276.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202003008      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2020/V33/I3/268
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn