厦门大学 人脸表情识别解干扰论文解读1：Deep Disturbance_Disentangled Learning for Facial Expression

已于 2022-03-15 15:49:21 修改
阅读量3.8k 收藏
点赞数 1
分类专栏： 汇报PPT 文章标签： 深度学习 人工智能 计算机视觉 神经网络 算法
于 2022-03-12 16:05:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liu_chengguang/article/details/123445169
版权

论文标题：《Deep Disturbance_Disentangled Learning for Facial Expression》

论文原文：有道云笔记https://note.youdao.com/s/dNYzrE0W

对抗损失核心设计：

D是判断fp和fd的差异性，D是希望找到这两个的差异性并识别出来。sd的任务是生成的fd尽量的和fp差不多，让D判断不出fp和fd的差异性。设计这种对抗的目的是让fd和fp分布一致，因为fp是预训练出来的干扰信息，而fd是我们的算法里面应该从表情图片里提取出的干扰信息。这种对抗设计的最终结果是fd与fp的差异性越来越小，生成的fd里也包含了非常多的和fp一样的“干扰信息”，D越来越难以区分真假。

PPT:

下一篇分享该团队在解干扰的后续工作：

《D3Net: Dual-Branch Disturbance Disentangling Network for Facial Expression Recognition》

论文原文：有道云笔记

南信大LBQ
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Image Embedding of PMU Data for Deep Learning towards Transient Disturbance
03-10
This paper presents a study on power grid disturbance classification by Deep Learning (DL). A real synchrophasor set composing of three different types of disturbance events from the Frequency ...
DR-GAN：Disentangled Representation Learning GAN for Pose-Invariant Face Recognition论文解读
我的博客有点东西
02-15 7445
写在之前：初看这篇论文，觉得很惊艳，很巧妙，非常值得细读和动手实践，本人调通的Pytorch代码也会在后面详解。 另一篇更具有新颖性的人脸特征变换的论文是FaceID-GAN。附我的FaceID-GAN论文解读 摘要 在人脸识别领域，两张脸之间的大角度差异是一个关键的挑战。。论文提出一种能学到一种和姿势无关的人脸特征，将脸部的pose信息从特征中分离出去，这样用于人脸识别的特征提取就能适用于...
【人脸表情识别】基于图片的人脸表情识别，基本概念和数据集
hacker_long的专栏
01-05 4902
大家好，欢迎来到我们人脸表情识别的专栏，这是专栏的第一篇文章，今天我们讨论的问题是关于表情识别的基本概念和数据集。 ...
人脸表情识别解干扰论文解读2：D3Net：Dual-Branch Disturbance Disentangling Networkfor Facial Exp
liu_chengguang的博客
03-15 3482
D3Net：厦门大学发表于ACM MM 2021 原论文链接：有道云笔记 本文的第一作者是信息学院计算机科学与技术系2019级硕士生莫榕云，通讯作者是信息学院计算机科学与技术系严副教授。论文提出了一种基于多任务框架的双分支干扰分离的人脸表情识别方法（D3Net），包括表情分支和干扰分支，可以同时分离常见干扰特征和潜在干扰特征，提取更有效的表情特征。其中，干扰分支包含两个子分支。一个子分支利用其它人脸数据集的干扰标签和迁移学习的方式来训练，可以提取常见干扰特征。另一个子分支结合非参数贝叶...
论文笔记 Deep Facial Expression Recognition: A Survey深度面部表情识别调查
Julia_deeplearning的博客
10-12 5622
论文链接：https://arxiv.org/abs/1804.08348 面部表情是人类传达其情感状态和意图的最强烈，最自然和最普遍的信号之一。下图是面部表情识别数据库和方法的进化过程，由传统的Handcrafted 到Deeplearning。近来，DFER（Deep Facial expression Recognition）自动识别系统专注于两个重要的问题：1.由于训练数据不足产生的过度...
人脸表情识别论文阅读笔记1:A Compact Deep Learning Model for Robust Facial Expression Recognition
qq_35946628的博客
03-06 1149
FER方法有两种，一是image-based方法；二是sequence-based方法，分别对应于静态图像数据集(eg：FER2013)和视频序列数据集(eg：CK+、Oulu-CASIA)。 论文概述 该论文来自2018年CVPR： 1.提出一种轻量型(compact)frame-based人脸表情识别模型，在性能不逊色state-of-the-art方法的同时参数量更少； 2.提出frame-...
Deep Multi-task Learning for Facial Expression Recognition 阅读笔记
pywin
08-05 527
分享一篇《Deep Multi-task Learning for Facial Expression Recognition and Synthesis Based on Selective Feature Sharing》，作者提出了一种带有卷积特征泄露单元的多任务网络结构，可以在面部表情识别任务和面部表情合成任务之间通过ConvFLU过滤掉无用和导致损害的特征的方式有选择地传递有益特征。并且使用面部表情合成分支来扩大和平衡训练数据集来提升网络的泛化能力。实验表明所提出的多任务网络在人脸表情图像的识别与
表情识别综述2018-Deep Facial Expression Recognition: A Survey
z349177893的博客
01-23 2565
表情识别综述2018-Deep Facial Expression Recognition: A Survey（一） 该论文从4各方面（应用领域、表情数据库、识别流程和表情识别的算法）讲述了基于深度学习的表情识别在近几年的发展情况。 该论文根据表情数据库中图像的类型，把基于深度学习的表情识别算法分成了基于静态和基于动态序列的表情识别算法。本次我先跟大家介绍基于静态图像的表情识别算法。 1.应用领域...
2020 ICML 全部论文
u014546828的博客
11-30 7407
All Papers 38 -ShapeCaptioner: Generative Caption Network for 3D Shapes by Learning a Mapping from Parts Detected in Multiple Views to Sentences "Zhizhong Han (University of Maryland, College Park); Chao Chen (Tsinghua University); Yu-Shen Liu (Tsinghua.
disturbance_ST.rar_disturbance_扰动信号_电能 扰动_电能质量matlab_电能质量信号
07-15
产生几种典型的电能质量扰动信号源及其该信号源的ST变换
disturbance.rar_voltage disturbance_扰动信号_电压扰动_电压质量_电能信号
07-14
电能质量扰动信号，产生电压凹陷、谐波等信号。可以另外下载ST变换的源代码
DER_disturbance_analysis:分析PV和DER对系统干扰的响应的工具
04-12
DER_disturbance_analysis 分析PV和DER对系统干扰的响应的工具
dist.rar_agent 仿真_dist_disturbance_multi agent_多智能体系统
07-14
多智能体系统抗干扰仿真实验 参考文献： Distributed Adaptive Consensus Disturbance Rejection for Multi-Agent Systems on Directed Graphs
【深度学习】图像修复的一些模型
q742971636的博客
04-24 491
Mask-Aware Transformer 大空洞修复。1、图像修复 Introduction定义图像修复（Image inpainting、Image completion、image hole-filling）指的是合成图像中缺失区域的过程，可以帮助恢复被遮挡或降质的部分。在下图中，左图是原图，左图蓝色区域是mask区域（原图的mask区域是不传给模型的），右图是模型输出图。[图片]一般输入的是Image图（扣掉后）+Mask图（单通道），如下图。[图片]用途。
基于深度学习的脑部肿瘤检测系统
Python极客之家
04-21 865
本项目利用 TensorFlow、Keras 等深度学习工具包构建 VGG16、RestNet、InceptionV3 等神经网络，实现对脑部肿瘤 MRI 扫描影像的识别。首先在 Jupyter Notebook 平台实现模型的训练、验证和存储，利用 Flask + Bootrap + Ajax 搭建交互式分析框架，实现脑部 MRI 扫描影像上传和在线预测，模型给出是否包含脑部肿瘤及肿瘤类型，整体准确率达到93.9%。
深度学习之基础模型——循环神经网络RNN
m0_61787307的博客
04-22 1071
而反过来思考之前主要用于处理图像的 CNN，像素之间虽然确实可能存在潜在的关联，但是宏观角度我们并不清楚他们之间的联系，或者换句话说，图片像素之间的联系是空间维度，而并不是时间维度。比如现在我们想用神经网络处理行人的运动轨迹，如果我们用卷积神经网络，那么对于不同时间的轨迹数据，卷积权重都是一样的。如果我们从存在角度，这个句子如果写在纸上，那么其确实存在于空间维度，但是从理解角度，我们是从“你”字开始，依次往后看“这么”“年轻”“睡得着”，我们需要之前的汉字，才能辅助理解后面的汉字，乃至整个句子。
【深度学习】Dropout、DropPath
研究兴趣：开放集识别、开放世界识别、新类发现、增量学习、少样本学习
04-21 945
Dropout、DropPath概念、作用、代码
风格迁移adaIN 和iT的adaLN
最新发布
林宋的搬砖流水账
04-24 417
BN主要缺点是对batchsize的大小比较敏感，由于每次计算均值和方差是在一个batch上，所以如果batchsize太小，则计算的均值、方差不足以代表整个数据分布。因为在图像风格化中，生成结果主要依赖于某个图像实例，所以对整个batch归一化不适合图像风格化中，因而对HW做归一化。可以加速模型收敛，并且保持每个图像实例之间的独立。LayerNorm：channel方向做归一化，算CxHxW的均值，主要对RNN(处理序列)作用明显，目前大火的Transformer也是使用的这种归一化操作；
6.Vgg16--CNN经典网络模型详解（pytorch实现）
weixin_71719718的博客
04-24 349
3.下载完后写一个spile_data.py文件，将数据集进行分类。4.再写一个train.py文件，用来训练模型。
干扰观测器matlab
11-21
干扰观测器（Disturbance Observer，DOB）是一种用于控制系统中干扰抑制的方法。在Matlab中，可以使用控制系统工具箱中的dob函数来实现干扰观测器。具体步骤如下： 1. 定义系统模型，例如： ```matlab s = tf('s')...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值