Real-time Convolutional Neural Networks for Emotion and Gender Classification--O Arriaga

[1] Arriaga O , Valdenegro-Toro M , P Plöger. Real-time Convolutional Neural Networks for Emotion and Gender Classification[J]. 2017.

本文是2017年的一篇关于表情识别和性别分类的论文，作者设计了一个轻量级卷积神经网络，并在上面测试了表情识别任务和性别分类任务，都取得了不错的效果。这里我主要来总结表情识别的任务。

本文的主要工作是基于Xception网络设计了一个轻量化的卷积神经网络，在fer2013表情数据集上得到了66%的精度，并在实时性上也很不错。

官方的代码（基于Keras）：oarriaga/face_classification

我复现的代码及其总结：Pytorch实现表情识别卷积神经网络网络：mini_Xception

1、介绍

目前人类对于{“angry”, “disgust”, “fear”, “happy”, “sad”, “surprise”, “neutral”}这七种表情的正确分类精度达到了65%±5%，本文达到了66%，而不使用预训练模型的SOTA在73%左右（不考虑轻量）。

2、相关工作

普通的CNN网络通常含有FC层，但是比如VGG16中大约90%的参数都集中在FC层，Inception网络结构中使用Global Average Pooling代替全连接层，极大减少了参数量。

Global Average Pooling（GAP）其实就是将每个通道计算均值，然后用均值表示原来的整个通道图，参数当然大大减小。

借鉴了Xception，其结构结合了两个最成功的方法：深度可分离卷积和残差结构，不过Xception最后还是使用了全连接层FC。

本文提出了mini_Xception，结构如下：

实际上总结起来就三个点：

• 虚线框重复了4次，但是基本结构都是左边是可分离卷积，而整个虚线结构是残差结构。
• 最后使用GAP代替了FC层。

3、训练

训练部分文中没说，但是官方提供的代码，也比较简单，可以一窥究竟。