Deep Facial Expression Recogniton: A survey笔记

这篇文章是北邮的邓伟洪教授关于Deep Facial Expression Recognition,DFER的一篇综述性文章，该文章被计算机视觉顶会CVPR收录。

目前，FER（Facial Expression Recogniton）主要存在两个问题：一个就是缺少大量的数据来训练表情识别网络，一旦网络训练数据量过少，就会发生过拟合的现象，这点目前还没有有效的解决办法；另一个问题就是由于年龄、性别、道德背景等的差异，导致个体间的差异比较明显。除此之外，光照和姿态也会对FER产生较大的影响。

这篇文章详细介绍了解决FER目前存在的问题的一些方法。其中文章section1介绍了FER的发展历程，section2介绍了FER实验常用的数据集，section3介绍了FER系统识别的三个主要步骤，section4提供了一些主流的网络架构以及训练技巧，section5则讨论了一些其他相关的问题，section6主要论述了一下FER未来的挑战和机遇。下面以章节划分逐一介绍。

section2 FACIAL EXPRESSION DATABASES

该部分列举了FER可用的数据库。

主要有CK+、MMI、JAFFE、TED、FER2013、AFEW、SFEW、Multi-PIE、BU-3DFE、Oulu-CASIA、RaFD、KDEF、EmotionNet、RAF-DB、AffectNet、ExpW这些数据库。

section3 DEEP FACIAL EXPRESSION RECOGNITION

deep FER主要有三个步骤，预处理、特征学习、特征分类。

预处理

由于背景、光照、姿态等非相关因素的影响，在训练网络之前，需要进行一定的预处理，主要有人脸对齐和标准化。