FaceNet2ExpNet: Regularizing a Deep Face Recognition Net for Expression Recognition论文个人解读

本文章纯属作者对该论文的个人理解，如有错误，欢迎大家指正～

问题：

       表情识别的小数据集在人脸识别模型上进行迁移学习，使用表情数据微调人脸识别模型后存在两个问题：

   （1）经过微调的人脸识别网络可能仍然包含对人脸样本识别的信息。这是由于面部数据集和表情数据集之间存在较大的差距(几个数量级)，可以参考下图1。

   （2）针对人脸识别领域设计的网络对于表情任务来说往往过于庞大，因此存在过严重的拟合问题。

                                                                 从该图可以看出，微调的人脸网络仍然保存了大量的人脸信息

方法：

        本文提出了一种新的学习算法FaceNet2ExpNet，该算法结合人脸领域知识，对表情识别网络的训练进行调整。首先提出了一种新的分布函数，利用人脸识别模型中获得的信息对表情模型的高级神经元进行建模。接下来，为了进一步提升特征的判别力，通过标签的强监督信息来精炼网络。我们采用一个在卷积块后接全连接层的传统架构来设计我们的表情网络。训练实施分为两个步骤：

     （1&