图像生成和深度度量学习的身份感知面部表情识别方法

作     者：章思远 肖世明 张蓬 黄伟 Zhang Siyuan;Xiao Shiming;Zhang Peng;Huang Wei

作者机构：南昌大学信息工程学院南昌330031 西北工业大学计算机学院西安710072 南昌大学信息化办公室南昌330031 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2021年第33卷第5期

页      面：724-732页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61862043,61971352) 江西省主要学科学术和技术带头人培养计划领军人才项目(20204BCJ22011) 陕西省自然科学基金(2018JM6015). 

主　　题：深度度量学习 图像生成 身份感知 面部表情识别 

摘      要：为解决面部表情识别中不同图像的背景信息和身份特征会干扰分类准确率的问题,提出一种将图像合成技术和深度度量学习相结合的身份感知人脸表情识别方法,通过在面部表情识别任务中创建相同身份下的表情组,对人脸图像特征进行比较分类.其结构中对抗生成网络,目标在于学习表情信息并生成表情组;特征提取网络用于将图像转化成为可进行度量学习的特征向量;马氏度量学习网络能够有效地对一对特征值进行比较与分类.该方法在常用面部表情识别数据集CK+和Oulu-CASIA上取得了98.6532%和99.8248%的平均分类准确率,并在Oulu-CASIA数据集上超过当前最好方法10%以上.通过与目前最新方法的比较,证实了该方法在面部表情识别中的有效性和进步性.