人脸表情系列：论文阅读——A Compact Deep Learning Model for Robust Facial Expression Recognition

这篇论文task是表情识别，给出两个模型：

1. frame-based model：基于一张图像，compact CNN进行表情识别；

2. frame-to-sequense model：基于序列图像而不是单张图像，主体包括两部分：上文提到的提取特征的CNN网络和进行识别的Gated Recurrent Neural Network，其实就是在单张图像的识别基础上利用了序列信息，进一步提高了准确率。

先看第一个模型，CNN的结构非常简单，如下图所示：

该网络有几个特点：

1. 非常浅的网络，在一个最大池化(max pooling)前叠加两个卷积；

2. 卷积核比较大(5*5)，具有较大的感受野，每一个池化后感受野应该是18，两次后为36；

3. 减少全连接层的神经元个数，减少了参数同时保证了准确率。

根据感受野推断出feature maps大小变化过程为：96—92—88—44—40—36—18，然后进入全连接层，得到一组概率值。

在此基础上，如果具有了图像序列，可以使用第二个模型：

基于图像序列的表情识别可以