科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决真实场景下人脸表情识别不确定性和数据不均衡问题,提出不确定性感知与类别均衡的表情识别模型.首先设计标签分布生成网络,以更好地体现人脸表情分布特性,并提出基于标签分布的重要性加权损失函数,使用重要性值对输出结果进行加权,促进模型对不确定性的抑制;然后使用距离约束损失函数,扩大不同重要性值分组之间的平均重要性值的差值,使用重标记模块,依据样本类别预测向量发现,纠正不确定性引起的噪声标签;最后为解决数据不均衡问题,提出基于标签分布的类别均衡损失函数,依据难易样本数量自适应地分配各个样本的权重,加强模型对难样本的学习.在RAF数据集中的实验结果表明,所提模型识别准确率达到88.36%,性能优于其他表情识别模型,证明了该模型的有效性.
- 单位
