【论文阅读】Suppressing Uncertainties for Large-Scale Facial Expression Recognition

最新推荐文章于 2022-11-24 10:06:29 发布
最新推荐文章于 2022-11-24 10:06:29 发布
阅读量3k 收藏 6
点赞数 1
文章标签： 深度学习 算法 机器学习
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/qq_42785704/article/details/123240876
版权
本文探讨了大规模面部表情识别中由于标签不确定性导致的问题，并提出三种解决方案：注意力机制、排序正则化和重标记。通过注意力网络区分确定和不确定标签，排序正则化强化正确标签权重，重标记策略纠正错误标签，提升识别准确性。
摘要由CSDN通过智能技术生成

问题：在大规模的表情图像数据集里，有些图像的标签不确定。

原因：表情本身模棱两可，图像质量低下，标注者主观性判断。

这篇文章目的：抑制这种不确定标签给网络训练带来的负面影响。

三种手段:   1. 注意力机制

                  2. 排序正则化

                 

最低0.47元/天 解锁文章
柠檬不喝橙汁
关注
Suppressing Uncertainties for Large-Scale Facial Expression Recognition
12-25
CVPR2020 Best Face Recognition Framework
2020cvpr最佳人脸识别-Suppressing Uncertainties for Large-Scale Facial Expression Recognition
weixin_45798949的博客
10-11 2899
原文链接 代码即将开源 Abstact 由于表情模糊、低质量的人脸图像以及注释者的主观性等因素的影响，对一个定性的大规模人脸表情数据集进行注释是非常困难的。这些不确定性导致了深度学习时代大规模人脸表情识别的一个关键挑战。为了解决这一问题，本文提出了一种简单而有效的自修复网络（SCN），它可以有效地抑制不确定性，防止deep网络过度拟合不确定的人脸图像。具体而言，SCN从两个不同的方面抑制了不确定性：1）基于小批量的自我注意机制，对每个训练样本进行排序正则化加权；2）通过仔细的重标记机制，在排名最低的组中修改
Suppressing Uncertainties for Large-Scale Facial Expression Recognition（2020CVPR）
开心的笨小孩的博客
12-14 3814
本文代码：https://github.com/kaiwang960112/Self-Cure-Network 本文贡献： 创新性地提出了人脸表情识别中的不确定性问题，并提出了一种自修复网络来减少不确定性的影响。 精心设计了一个秩正则化来监督SCN学习有意义的重要权值，也为重标记模块提供了参考。 在合成的FER数据和一个从互联网上收集的新的真实世界不确定情绪数据集(WebEmotion)上广泛验证了我们的SCN。SCN在RAF-DB上的性能也达到了88.14%，在AffectNet上达到了60...
2020 CVPR Suppressing Uncertainties for Large-Scale FER
z349177893的博客
06-20 849
论文下载地址 1. Motivation 很多表情数据集中存在大量的标签错误数据，这些错误主要是由模糊的面部表情、低分辨率的面部图像以及注释者的主观性引起的。 这中不确定性给基于深度学习的FER带来了较大挑战（使模型过拟合；影响模型学习有效特征），因此这篇文章文提出了一种简单有效的自愈网络(SCN)，有效抑制不确定性，防止深度网络对不确定的人脸图像进行过拟合。 2. 网络结构 如上图所示，SCN(Self-Cure Network)由3部分组成。首先，给定一组表情图片，输入到CNN（本文使用ResNet1
CVPR2020: Suppressing Uncertainties for Large-Scale Facial Expression Recognition 阅读随笔
mathlxj的博客
03-17 4325
0. Abstract 大规模表情识别(large-scale Facial Expression Recognition, FER)的主要挑战在于不确定性(uncertainties)，这些不确定性来源于模棱两可的面部表情(ambiguous facial expressions),低质量的脸部图像(low-quality facial images)和标注者的主观性(the subjectiv...
Suppressing Uncertainties for Large-Scale Facial Expression Recognition|表情识别|论文解读|CVPR2020
小肉脸的博客
03-11 2566
Abstract 由于面部表情的模糊性、面部图像的低质量以及注释者的主观性，对相当大规模面部表情数据集进行标注是非常困难的事情。这些不确定性成为了深度学习时代大规模面部表情识别的关键挑战。为了解决这一问题，本文提出了一种简单而有效的Self Cure Network(SCN)，它能有效地抑制不确定性，防止深度网络对某些面部图像的过度拟合。具体来说，SCN从两个不同的方面抑制了不确定性:**1)小批...
Suppressing Uncertainties for Large-Scale Facial Expression Recognition阅读笔记
Onwaier的博客
04-04 2720
这是一篇CVPR2020的文章，旨在解决大型表情数据集标注的不确定性问题。为每个epoch中的图片分配权重，降序排列，划分成确定和不确定两个区域；通过RRLoss加强确定，拟制非确定；尝试修改noise label为伪标签，SCN在RAF-DB，AffectNet和FERPlus数据集上都取得性能提升。
（八：2020.08.27）CVPR 2020 追踪之论文纲要（译）
Jojo论文基地
08-27 1万+
CVPR 2019 追踪之论文纲要（修正于2020.08.27）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 Respect！ 论文目录 论文 概要 12-in-1 - Multi-Task Vision and Language Repre
Self-Cure Net:如何更好地抑制大规模人脸情绪识别的不确定性?
Spuer_Tiger
03-15 3256
Self-Cure Net:如何更好地抑制大规模人脸情绪识别的不确定性? Suppressing Uncertainties for Large-Scale Facial Expression Recognition_arXiv:2002.10392v1 [cs.CV] 24 Feb 2020(本人自译，转载译本需经许可） Abstract： 由于不明确的面部表情，低质量的面部图像以及注释者...
[PaperReading]: Cascaded Decomposition Network for Cross-Domain Few-Shot FER
qq_45719547的博客
11-24 234
Learn-to-Decompose: Cascaded Decomposition Network for Cross-Domain Few-Shot Facial Expression Recognition 论文阅读
CVPR2020最新15篇论文开源代码
Tiger数学之家的博客
02-29 3479
全球计算机视觉顶级会议CVPR2020 (IEEE Conference on Computer Vision and Pattern Recognition，即IEEE国际计算机视觉与模式识别会议) 即将于2020年6月14日-19日在美国西雅图召开。本届大会总共录取来自全球论文1470篇，接收率为22%，相比去年降低3个百分点，竞争越来越激烈。本届大会涵盖人体识别、基于图像建模、计算摄影与...
arXiv每日推荐：计算机视觉/图像处理每日学术速递[02.25]
一直在路上
02-26 1768
【检测分类相关】 【1】 Boosting rare benthic macroinvertebrates taxa identification with one-class classification 用一类分类促进稀有底栖大型无脊椎动物分类鉴定 作者： Fahad Sohrab, Jenni Raitoharju 链接：https://arxiv.org/abs/2002.10420 【2...
表情识别相关论文阅读==更新
qq_35482604的博客
05-18 491
残余表情识别算法 Facial Expression Recognition by De-expression Residue Learning
处理表情识别中的坏数据：一篇CVPR 2020及两篇TIP的解读
迈微AI研习社 · 号主
08-10 1964
本篇提前看重点关注 CVPR 2020 中的这篇「Suppressing Uncertainties for Large-Scale Facial Expression Recognition」, 但在解读它之前，我们先有步骤的解读两篇 TIP 作为它的基础，最后详细介绍它的算法和思想。对比性的解读这三篇论文，也许能对研究者们自己的工作有所启发。
大合集！CVPR2020论文分方向整理: 目标检测/图像分割/姿态估计等，附打包下载（持续更新）
热门推荐
极市平台的技术博客
03-11 3万+
CVPR2020在2月24日公布了所有接受论文ID，相关报道：1470篇！CVPR2020结果出炉，你中了吗？（附部分论文链接/开源代码/解读）。自论文ID公布以来，许多开发者都分享了自己的优秀工作。 从论文ID公布以来，极市一直在对CVPR进行实时跟进，本文是对80篇CVPR2020论文整理和分类，均有论文链接，部分含开源代码，涵盖的方向有：目标检测、目标跟踪、图像分割、人脸识别、姿态估计、三维...
CVPR 2020 全部论文 分类汇总和打包下载
海尔兄弟的博客
03-11 6014
CVPR 2020 共收录 1470篇文章，根据当前的公布情况，人工智能学社整理了以下约100篇，分享给读者。 代码开源情况：详见每篇注释，当前共15篇开源。(持续更新中，可关注了解)。 算法主要领域：图像与视频处理，图像分类&检测&分割、视觉目标跟踪、视频内容分析、人体姿态估计、模型加速、网络架构搜索(NAS)、生成对抗(GAN)、光学字符识别(OCR)、人脸识别、三维重建等方向...
【CVPR2020】：CVPR2020论文分方向整理: 目标检测/图像分割/姿态估计等，附打包下载
yipala的博客
02-25 2077
AdderNet: Do We Really Need Multiplications in Deep Learning? （加法神经网络） On Positive-Unlabeled Classification in GAN （PU+GAN） Multi-Modal Domain Adaptation for Fine-Grained Action Recognition（细粒度动作识别） ...
【论文推送】跨域学习、跨域小样本学习Cross-Domain(持续更新...)
诸葛灬孔暗
08-13 4324
深度神经网络(DNN)的泛化性能相当依赖于训练集的规模(size)和丰富性(variations). 但是在很多场景下无法搜集到如此多的数据, 如皮肤病, 卫星图片(飞机残骸).尽管每种特殊的情况发生的概率很低, 人为处理的成本也很低, 但当我们有大量的”特殊情况”时, 问题就变得复杂了起来. 如何利用一个或一些成熟域上的先验知识，去解决另一个样缺少样本域上的复杂任务是跨域少样本学习 (Cross-Domain Few Shot Learning)研究的主要问题。 本文主要记录该领...
Suppressing update on existing ns-3.37 directory containing a non-master branch Exiting...
最新发布
09-11
在NS-3（Network Simulator 3）中，如果你有一个版本为3.37的目录，并且这个目录里包含了非master分支，有时候你想更新时不希望改变该分支的状态，可以使用`git`命令来实现“忽略对现有分支的更新”。...
评论
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