Huiyuan Yang, Umur Ciftci and Lijun Yin
Department of Computer Science
State University of New York at Binghamton, USA
{hyang51, uciftci}@binghamton.edu; lijun@cs.binghamton.edu
给定中性面部图像,与先前使用像素级或特征级差异进行面部表情分类的工作不同,我们的新方法学习保留在生成模型的中间层中的沉积(或残留)。
提出了一种基于cGAN (Conditional GAN)和表情元素滤除的残余表情识别算法(DeRL),通过cGAN滤除人脸的中立元素(neutral component),并使用MLP处理残存的表情元素(expressive component),实现表情高精度识别。七种表情库(BU-4DFE、BP4D-spontaneous、CK+、Oulu-CASIA、MMI、BU-3DFE和BP4D+)的实验,验证了所提算法的有效性。