面部表情识别论文记录1

Occlusion Aware Facial Expression Recognition Using CNN With Attention Mechanism

代码

https://github.com/mysee1989/PG-CNN

数据集

FED-RO

框架

把图片中的眼睛等抠部分，经过注意力网络得到权重，和整体的权重相整合，进行分类。

抠出脸上部分的方式

Region Attention Networks for Pose and Occlusion Robust Facial Expression Recognition

代码

https://github.com/PeiwenSun2000/Region-Attention-Networks-for-Pose-and-Occlusion-Robust-Facial-Expression-Recognition

数据集

FER+

框架

用不同的方式对原图进行裁剪，送入注意力机制中，先聚合，再通过关系注意力模块，再聚合，最后进行分类。

文中有三种进行裁剪的方式，固定位置裁剪、随机裁剪、基于地标的裁剪，根据实验固定位置裁剪表现最好。

Suppressing Uncertainties for Large-Scale Facial Expression Recognition

代码

https://github.com/PeiwenSun2000/Suppressing-Uncertainties-for-Large-Scale-Facial-Expression-Recognition

数据集

RAF-DB

框架

这篇论文考虑到数据集中的标注问题可能有不准确的情况。把训练集提取出特征后，送入注意力机制中，得到每张图片的权重，这里的权重我的理解是，该图片对产生的结果的重要性。然后将训练集进行分类，倘若分类结果和它本身的标注不一样则修改它的标注。

问题

下载了该论文的代码，但test的代码作者说有问题删掉了，所以我有个问题是该怎么用这个训练出来的模型预测我的结果。我疑惑的是，我的测试集使用这个模型有没有经过注意力机制，有没有重新标注。如果经过的话，测试集怎么会需要重新标准呢？

Deep multi-path convolutional neural network joint with salient region attention for facial expression recognition

代码

https://github.com/XsLangley/DAM-CNN

数据集

FER2013

框架

这篇文章是把图片经过注意力机制后，整张图片的每个部分拥有权重。作者认为相同的表情不同的人有不同的表现，所以用了多路径编码器，进行重构，再进行分类。

问题

看了代码和论文好几遍，没能懂多路径编码器是怎么对数据进行处理的，看代码当中进行训练的时候，就是数据依次进入多个编码器。