端到端的低质人脸图像表情识别

摘要 人脸表情识别任务在近些年取得了广泛的研究和应用，但是由于装饰物以及人的行为等其他因素，会对人脸的局部区域产生遮挡或破损，从而降低了表情识别的精度.针对有局部破损或遮挡的低质人脸图像表情识别，本文提出了一种基于端到端的低质人脸图像表情识别方法.本文通过在现有的人脸数据集上人为添加破损或遮挡作为低质样本集，利用生成对抗网络修补破损的区域，将复原后的图像和低质的图像以及原始不存在局部遮挡或破损图像通过分类器建立分类约束判别损失，以达到更好的分类效果.在Fer2013和CK+人脸表情数据集上的实验结果表明，使用生成对抗模型对低质人脸图像有更好的修复效果以及更高的表情识别精确度.在嘴部丢失相同面积信息的Fer2013测试集上较于普通卷积神经网络方法高出2.99百分点，在CK+数据集上与现有的方法进行比较，本文方法能够达到90.57的精确度，证明了本文提出方法的有效性