Gesichtsausdruckserkennung mit Convolutional Neural Networks: Stand der Technik

Die Fähigkeit, Gesichtsausdrücke automatisch zu erkennen, ermöglicht neuartige Anwendungen in der Mensch-Computer-Interaktion und in anderen Bereichen. Folglich wurde aktiv in diesem Bereich geforscht, wobei mehrere aktuelle Arbeiten Convolutional Neural Networks (CNNs) zur Merkmalsextraktion und Inferenz nutzen. Diese Arbeiten unterscheiden sich erheblich hinsichtlich der CNN-Architekturen und anderer Faktoren. Basierend allein auf den berichteten Ergebnissen ist der Leistungseinfluss dieser Faktoren unklar. In diesem Papier überprüfen wir den Stand der Technik in der bildbasierten Gesichtsausdruckserkennung mithilfe von CNNs und heben algorithmische Unterschiede und deren Leistungsimpact hervor. Auf dieser Grundlage identifizieren wir bestehende Engpässe und folglich Richtungen zur Weiterentwicklung dieses Forschungsfeldes. Darüber hinaus zeigen wir, dass die Überwindung eines dieser Engpässe - der vergleichsweise einfachen Architekturen der in diesem Bereich verwendeten CNNs - zu einer erheblichen Leistungssteigerung führt. Durch die Bildung eines Ensembles moderner tiefen CNNs erreichen wir eine FER2013-Testgenauigkeit von 75,2%, was frühere Arbeiten übertrifft, ohne zusätzliche Trainingsdaten oder Gesichtregistrierung zu erfordern.