基于生成式对抗网络的鲁棒人脸表情识别
人们在自然情感交流中经常伴随着头部旋转和肢体动作,它们往往导致较大范围的人脸遮挡,使得人脸图像损失部分表情信息.现有的表情识别方法大多基于通用的人脸特征和识别算法,未考虑表情和身份的差异,导致对新用户的识别不够鲁棒.本文提出了一种对人脸局部遮挡图像进行用户无关表情识别的方法.该方法包括一个基于Wasserstein生成式对抗网络(Wasserstein generative adversarial net, WGAN) 的人脸图像生成网络,能够为图像中的遮挡区域生成上下文一致的补全图像;以及一个表情识别网络,能够通过在表情识别任务和身份识别任务之间建立对抗关系来提取用户无关的表情特征并推断表情类别.实验结果表明,我们的方法在由CK+, Multi-PIE 和JAFFE 构成的混合数据集上用户无关的平均识别准确率超过了90 %.在CK+上用户无关的识别准确率达到了96 %,其中4.5 %的性能提升得益于本文提出的对抗式表情特征提取方法.此外,在45?头部旋转范围内,本文方法还能够用于提高非正面表情的识别准确率.
人脸补全、用户无关、人脸表情识别、生成式对抗网络、卷积神经网络
44
国家自然科学基金61661146002,61572479;国家重点研发计划2017YFB1002805;中国科学院前沿科学重点研究计划QYZDY-SSW-JSC041资助 Supported by National Natural Science Foundation of China61661146002,61572479;National Fundamental Research Grant of Science and Technology2017YFB1002805;Fron-tier Science Key Program of Chinese Academy of SciencesQYZ DY-SSW-JSC041
2018-06-20（万方平台首次上网日期，不代表论文的发表时间）
共13页
865-877
