結合自注意力特征過濾分類器和雙分支GAN的面部表情識別
【摘要】:現有面部表情識別方法提取表情特征時通常容易與其它面部屬性混合,不利于面部表情的識別.對此,文中提出結合自注意力特征過濾分類器和雙分支生成對抗網絡的面部表情識別方法.首先,使用雙分支生成對抗網絡學習辨別性的表情表示,提出自注意力特征過濾分類器作為表情的分類模塊.使用級聯的LayerNorm和ReLU將低激活單元歸零并保留高激活單元,生成多級特征.使用自注意力融合輸出多級特征的預測結果,在一定程度上消除噪聲對識別結果的影響.然后,提出基于滑動模塊的雙重圖像一致性損失監督模型,學習具有辨別性的表情表示,使用滑動窗口計算重構損失,關注細節信息.最后,在CK+、RAF-DB、TFEID、BAUM-2i數據集上的實驗表明文中方法識別效果較優.
【相似文獻】 | ||
|
|||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||||
|