计算机辅助设计与图形学学报

作者：洪居兴, 田媚, 黄雅平

关键词：表情识别, 不确定性, 数据不均衡, 标签分布, 损失函数

为解决真实场景下人脸表情识别不确定性和数据不均衡问题, 提出不确定性感知与类别均衡的表情识别模型. 首先设计标签分布生成网络, 以更好地体现人脸表情分布特性, 并提出基于标签分布的重要性加权损失函数, 使用重要性值对输出结果进行加权, 促进模型对不确定性的抑制; 然后使用距离约束损失函数, 扩大不同重要性值分组之间的平均重要性值的差值, 使用重标记模块, 依据样本类别预测向量发现, 纠正不确定性引起的噪声标签; 最后为解决数据不均衡问题, 提出基于标签分布的类别均衡损失函数, 依据难易样本数量自适应地分配各个样本的权重, 加强模型对难样本的学习. 在 RAF 数据集中的实验结果表明, 所提模型识别准确率达到 88.36%, 性能优于其他表情识别模型, 证明了该模型的有效性.

来源：2023年第10期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2023年第10期