Suppressing Uncertainties for Large-Scale Facial Expression Recognition阅读笔记

这是一篇CVPR2020的文章,旨在解决大型表情数据集标注的不确定性问题。为每个epoch中的图片分配权重,降序排列,划分成确定和不确定两个区域;通过RRLoss加强确定,拟制非确定;尝试修改noise label为伪标签,SCN在RAF-DB,AffectNet和FERPlus数据集上都取得性能提升。

Facial Expression Recognition by De-expression Residue Learning阅读笔记

这是一篇CVPR2018关于表情识别的论文,作者可谓是独辟蹊径,从“De-expression”这一角度进行表情识别的研究。作者通过一些事实和文献发现,人的表情可以分解为Neutral Compoent和Expressive Componet两部分。作者的想法是将人脸经过一个GAN网络得到一张与之对应的中性表情,然后对residue(残余特征)进行训练学习,进一步进行表情分类。

Region Attention Networks for Pose and Occlusion Robust Facial Expression Recognition阅读笔记

作者主要是针对姿态和遮挡这两个难题进行研究,组成测试数据集(Occlusion-FERPlus、Pose-FerPlus、Occlusion-AffectNet、Post-AffectNet、Occlusion-RAF-DB、Pose-RAF-DB),然后设计出Region Attention的网络结构,并提出一个新的损失函数(Region Biased Loss),在多个数据集上性能都有所提升。