FaceNet2ExpNet: Regularizing a Deep Face Recognition Net for Expression Recognition

**FaceNet2ExpNet: Regularizing a Deep Face Recognition Net for
Expression Recognition

Hui Ding , Shaohua Kevin Zhou and Rama Chellappa University of
Maryland, College Park Siemens Healthcare Technology Center, Princeton, New Jersey
摘要
用于表情识别研究的数据集相对较少，使得表情识别深度网络的训练具有很大的挑战性。尽管微调可以部分地缓解这个问题，但是性能仍然低于可接受的水平，因为深层特性可能包含来自预训练域的冗余信息.提出了一种新的基于静态图像的表情识别网络训练方法——FaceNet2ExpNet。我们首先提出一种新的分布函数来模拟表情网络的高级神经元。在此基础上，精心设计了两阶段训练算法。在预训练阶段，我们对卷积层的表情网络进行训练，并通过人脸网络进行正则化;在细化阶段，我们将全连接层附加到预先训练好的卷积层上，对整个网络进行联合训练。可视化表明，使用我们的方法训练的模型捕获了改进的高级表情语义。对四个公共表达数据库CK+、Oulu-CASIA、TFD和SFEW的评估表明，我们的方法比最先进的方法获得了更好的结果。