融合排序与回归的卷积神经网络用于表情强度估计

作     者：韩加旭 徐如意 陈靓影 Han Jiaxu;Xu Ruyi;Chen Jingying

作者机构：华中师范大学国家数字化学习工程技术研究中心武汉430079 

基　　金：国家重点研发计划(2018YFB1004504) 国家自然科学基金面上项目(61977027) 中央高校基本业务费专项基金(CCNU18KFY02,CCNU19Z02002) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2020年第32卷第8期

页      码：1228-1235页

摘      要：表情强度估计是面部表情分析的重要组成部分,是实现人机自然情感交互的关键技术.表情强度估计面临的主要挑战在于缺乏大量的有标签数据,难以通过有监督的方法来估计表情强度.尽管基于排序的方法能够解决这一问题,但是排序方法只能估计表情的相对强度,无法估计表情的绝对强度.为了解决上述问题,提出了一种融合排序与回归的卷积神经网络用于表情强度估计.其中,排序卷积神经网络采用孪生网络结构,用于学习序列中任意两帧图像的相对强弱关系;孪生网络的每一个子网采用回归卷积神经网络,用于学习有强度标签的样本,从而估计表情的绝对强度.为了验证方法的有效性,在公共数据集PAIN和CK+上进行了实验.实验结果表明,提出的方法在弱监督的条件估计表情强度的各项结果(PAIN数据集上PCC,ICC和MAE分别为0.6551,0.5293和0.9241,CK+数据集上PCC,ICC和MAE分别为0.7391,0.7216和0.1875),均优于现有的方法.

主 题 词：表情强度估计 排序估计 回归估计 卷积神经网络 弱监督学习 

学科分类：08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2020.17753

馆 藏 号：203963402...