Robust Dynamic Facial Expression Recognition
- 点击次数：
- 发表刊物：IEEE Transactions on Biometrics, Behavior, and Identity Science
- 关键字：robust dynamic facial expression recognition, noisy samples, hard samples, computational perception
- 摘要：动态面部表情识别（DFER）研究是一个新兴的研究领域，涉及视频数据中面部表情的自动识别。尽管现有研究主要集中在噪声样本和硬样本下的表征学习，但这两种样本共存的问题仍未得到解决。为了克服这一难题，本文提出了一种区分硬样本和噪声样本的稳健方法。具体方法是评估模型对不同视频采样片段的预测一致性。随后，可以采用加强硬样本学习和减轻噪声样本影响的方法。此外，为了识别视频中的主要表情并增强模型的表征学习能力，我们提出了一个由关键表情重采样框架和双流分层网络组成的模型，即鲁棒性动态面部表情识别（RDFER）。关键表情重新采样框架旨在识别关键表情，从而减少非目标表情可能造成的混淆。RDFER 采用两个序列模型，目的是将短期面部运动和长期情绪变化区分开来。通过在基准数据集（如 DFEW 和 FERV39K）上进行广泛实验，证明所提出的方法优于当前 DFER 的最新方法。综合分析提供了有关拟议协议的宝贵见解和意见。这项工作对动态面部表情识别领域具有重要意义，促进了动态面部表情识别中噪声一致性鲁棒学习领域的进一步发展。
- 备注：论文链接:https://ieeexplore.ieee.org/document/10908623
Arxiv连接:http://arxiv.org/abs/2502.16129v1
引用 Feng Liu, Hanyang Wang, Siyuan Shen. Robust Dynamic Facial Expression Recognition[J]IEEE Transactions on Biometrics, Behavior, and Identity Science.2025.https://doi.org/10.1109/TBIOM.2025.3546279.
- 学科门类：工学
- 一级学科：计算机科学与技术(可授工学、理学学位)
- 文献类型：J
- 是否译文：否
- 发表时间：2025-03-03
- 收录刊物：SCI、EI
- 论文类型：期刊论文
- 发表时间：2025-03-03
- 图片 2.png 下载[] 次
- published-Robust_Dynamic_Facial_Expression_Recognition.pdf 下载[] 次
推荐
