带标签噪声的人脸表情识别模型

摘要

真实场景下人脸表情数据集中标签噪声大量存在且难以避免，因此降低标签噪声对人脸表情识别效果的影响，提高真实环境中人脸表情识别的准确率具有重要现实意义.为解决此问题，本文提出融合自注意力机制和人脸局部特征的对抗自编码器SLAAE.首先，在AAE模型中加入自注意力机制，实现图像内部信息的交互，帮助网络更好地提取特征；其次，提取面部图像中更能体现表情特征的人脸关键点，作为局部特征输入模型，从而提高表情识别的准确率；最后，在真实数据集中添加不同比例、不同类型的标签噪声进行对比实验.实验结果表明本文提出的SLAAE模型与其他模型相比，能有效提升带标签噪声的人脸表情识别效果.

关键词

人脸表情识别 / 标签噪声 / 对抗自编码器 / 自注意力机制 / 局部特征

基金资助

国家社会科学基金项目(17BXW069)资助; 首都师范大学教育学部-华为集团数智化教师教育专项项目(JYXB2023-01)资助