标签：emotion interaction based 论文 学习 facial 迁移 expression recognition

这篇文章标题虽然包含了人机交互，但是对人机交互部分进行过多描述

1.这篇文章究竟讲了什么问题？
采用迁移学习的方法，利用人脸表情数据集训练了几个卷积神经网络模型

2.这是否是一个新的问题？
不是

3.这篇文章要验证一个什么科学假设？
使用迁移学习提高人脸表情识别的精度。

4.有哪些相关研究？如何归类？谁是这一课题在这领域值得关注的研究员？
a)Fan Y, Lam JC, Li VO (2018) Multi-region ensemble convolutional neural network for facial expression recognition. In: Proceedings of International conference on artificial neural networks, Rhodes, Greece. pp 84–94
b) Wang Y, Li Y, Song Y, Rong X (2019) Facial expression recognition based on auxiliary models. Algorithms 12(11):227
c) Norde´n F, von Reis Marlevi F (2019) A comparative analysis of machine learning algorithms in binary facial expression recognition (Dissertation).
[28]-[35]
基本都是基于卷积神经网络的方法。
5.论文中提到的解决方案之关键是什么？
迁移学习！

6.论文中的实验是如何设计的？
a)分别对三个模型使用迁移学习训练，得到在测试数据上的结果。评价指标包括：recall, specificity, precision,f1.
b)与其他方法进行对比

7.用于定量评估的数据集是什么？代码有没有开源？
CK+，暂时没有发现开源

8.论文中的实验及结果有没有很好地支持需要验证的科学假设？
实验结果表明本文方法(迁移学习)达到了较高的精度。

9.这篇论文到底有什么贡献？
提出一个迁移学习的方法，训练多个人脸表情识别模型

10.下一步呢？有什么工作可以继续深入？
感觉创新点不够，迁移学习应用的范围现在已经很广。对于微表情识别，也可采用
迁移学习来提高识别精度。考虑采用mobilenet作为特征提取模型，可以作为落地应用的模型。

标签：emotion,interaction,based,论文,学习,facial,迁移,expression,recognition
来源： https://www.cnblogs.com/crazyMint/p/15937529.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。