Classifier Learning with Prior Probabilities for Facial Action Unit Recognition

120：**

Classifier Learning with Prior Probabilities for Facial Action Unit Recognition

用于面部动作单元识别的具有先验概率的分类器学习

1.面部动作单元（AU）、知识驱动

2.由于数据驱动缺乏足够的AU注释，因为AU注释需要强大的领域专业知识。所以本文提出了一种知识驱动的方法，通过利用AU的先验概率，包括表达独立和依赖于表达的AU概率，联合学习多个AU分类器而不需要任何AU注释。这些先验概率来自面部解剖学和情绪研究，并且与数据集无关。我们将先验概率结合到AU上作为多AU分类器目标函数的约束，并开发一种有效的学习算法来解决所提出的问题。

3.在本文中，我们提出了一种新的方法来联合学习多个AU的分类器而没有任何AU注释。 利用AU上的先验概率，包括表情独立的概率和表达独立的概率，它们是从面部解剖学和情绪研究中获得的，并且独立于数据集。与AU分类器学习使用AU标签的现有作品不同，采用AU上的概率来训练AU分类器。面部解剖学和长期专家观察和研究的一般知识几乎普遍适用于实际应用中的不同人。知识被强加为软概率约束来支持AU分类器。

4.本文的主要贡献概括如下。首先，提出了一种知识驱动的方法，通过利用AU而不是AU注释的概率来共同学习多个AU分类器。我们系统地从面部解剖学和情感研究中总结出不同类型的一般知识，包括各种单一和联合的AU概率，并将AU识别制定为联合分类器和标签学习问题。其次，提出了一种算法，通过迭代更新分类器和AU标签来优化所制定的问题。第三，在五个基准数据库上评估所提出的方法，并将其与最先进的方法进行比较。

5.在本文中，使用通用领域知识来训练没有AU注释的AU分类器。代表AU概率并且从底层的解剖学得出，领域知识对AU依赖和情绪研究强加了一般约束。我们建议同时学习训练样本的AU分类器和AU标签。对五个数据库的评估表明，我们的方法实现了与完全监督的方法相当的性能，但具有更好的泛化能力。除了AU识别之外，如果提供领域知识，所提出的方法可以应用于其他应用，例如对象/属性识别。

6.作者是：Yong Zhang, Weiming Dong 中科院

总有很多论文是看不懂的，不论它写出来的每个字是不是认识，也不论是不是中文。