Tender_Li的博客

这篇文章是2017年发表在NIPS会议上的论文，也是Transformer的开山之作。最先应用是在NLP领域的机器翻译任务上，由于其简单的结构、强悍的表现，经过几年的发展，越来越多的领域开始使用基于Transformer的深度学习网络。下面是我自己的一点学习笔记，记录下来方便以后复习。（中间有很多是在原文的基础上进行翻译的，有不准确的地方希望大家见谅，也希望大家不吝指正）Abstract目前主流（2017年以前）主流的序列转换模型基于复杂的循环或卷积神经网络，其中包含编码器和解码器。...

这篇文章的作者是来自中国移动研究院的研究者，将图卷积神经网络应用与人脸表情识别中，并提出了一种新的通过人脸图片构建图结构的方法。论文地址：Facial Expression Recognition with multi-scale Graph Convolutional Networks1. AbstractRecognizing emotion through facial expression has now been widely applied in our daily lives. Ther

写在前面：首先，这篇论文是2020年发表在“Pattern Recognition Letters”期刊（3区）上的。作者设计了一个学习面部表情的全局-局部特征的多任务网络，提取表情图片的局部特征、整体特征

这是一篇发表于2014年ECCV会议上的论文。论文的作者来自香港中文大学信息工程系，这篇文章主要介绍了一种新的面部标志点检测的方法--通过多个辅助任务（性别检测、眼睛穿戴检测、微笑检测、姿势检测）协助主任务（面部标志点检测）完成相应的工作。除此之外，作者还提出了一种“Multi-task Early stopping”的多任务共同优化时的策略。文章地址：Facial Landmark Detection by Deep Multi-task Learning一、问题的解决方案及创新点针对问题：在

这是一篇发布在CVPRW2019上面的文章，文章可以免费下载，并且提供了验证源代码，原文链接和代码链接都放在下面，有需要的小伙伴可以自取。原文链接：FERAtt: Facial Expression Recognition with Attention Net代码链接：Github地址言归正传，这篇文章的主要内容首先是提出了一个新的网络架构——FERAtt，一个带有Attention机制的基于CNN的网络；其次是引入新的双分支网络加强对面部表情内核的学习；另外，文章给出了一个新的损失函数——结构

Facial Expression Recognition by De-expression Residue Learning，这是一篇发表在CVPR2018的论文，翻译过来是“基于去表情残差学习的面部表情识别”。文章提出了一种通过从cGAN的各个层中提取表情信息进行表情识别的方法，这是一种比较新颖的方法。作者通过使用cGAN获取带有面部表情信息的“表情组件”，随后通过多个CNN进行“表情组件”特征的学习，进而完成面部表情识别。

Deep Facial Expression Recognition: A Survey 论文笔记​ 首先是我读这篇论文的目的，我的研究方向是“基于面部表情的情感识别”，是偏向于计算机视觉的一个方向，这篇论文对深度面部表情识别（DFER）做了一个全面的介绍，包括数据集、DFER的基本流程、各个流程中使用的方法等，阅读这篇文章可以对DFER的一些基本情况做一个初步的了解。这是一个笔记，后面会有精简的总结。摘要摘要部分主要介绍了三个问题：深度神经网络被越来越多的用于FER系统的原因：面部表情识别