图像生成和深度度量学习的身份感知面部表情识别方法

摘要：

为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其结构中对抗生成网络,目标在于学习表情信息并生成表情组;特征提取网络用于将图像转化成为可进行度量学习的特征向量;马氏度量学习网络能够有效地对一对特征值进行比较与分类.该方法在常用面部表情识别数据集CK+和Oulu-CASIA上取得了98.6532％和99.8248％的平均分类准确率,并在Oulu-CASIA数据集上超过当前最好方法10％以上.通过与目前最新方法的比较,证实了该方法在面部表情识别中的有效性和进步性.

关键词：深度度量学习、图像生成、身份感知、面部表情识别

所属期刊栏目：33

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;江西省主要学科学术和技术带头人培养计划领军人才项目;陕西省自然科学基金

在线出版日期：2021-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：724-732