《人脸表情识别可解释性研究综述（计算机学报）》

文章全面综述了**人脸表情识别（FER）**领域的可解释性研究，探讨了表情识别的基本概念、技术方法和研究进展，并重点介绍了可解释性研究的重要性以及提高模型可解释性的方法，如模型的可视化和简化等。

论文内容概述：

1. 研究背景：随着人工智能技术的发展，人脸表情识别作为计算机视觉和模式识别的重要分支，得到了广泛关注。表情识别对于实现智能人机交互具有重要意义，但现有系统往往缺乏可解释性。

2. 表情识别技术：文章概述了深度学习算法、机器学习算法在表情识别中的应用现状。

3. 可解释性研究重要性：强调了可解释性研究对于提高模型透明度和可理解性的重要性。

4. 研究进展和挑战：总结了目前的研究进展、面临的主要挑战，以及未来的研究方向。

5. 主要研究内容：依据结果可解释、机理可解释、模型可解释的分类方法，对人脸表情识别中的可解释性研究方法进行了分类与总结。

6. 未来发展方向：讨论了复杂表情的可解释性、多模态情绪识别的可解释性、大模型表情与情绪识别的可解释性，以及基于可解释性提升泛化能力等未来发展方向。

创新点：

• 提出了