用于面部动作单元识别的增量提升卷积神经网络

从自发表情中识别面部动作单元（AUs）仍然是一个具有挑战性的问题。最近，卷积神经网络（CNNs）在面部AU识别方面显示出了希望。然而，学习到的CNN往往过拟合，且由于AU编码训练图像有限，无法很好地泛化到未见过的对象。我们提出了一种新颖的增量提升卷积神经网络（IB-CNN），通过增量提升层将提升集成到CNN中，该层从较低层选择具有区分性的神经元，并在连续的小批次上进行增量更新。此外，还提出了一种新颖的损失函数，考虑了来自增量提升分类器和单个弱分类器的错误，以微调IB-CNN。在四个基准AU数据库上的实验结果表明，IB-CNN相较于传统CNN以及没有增量学习的提升CNN在AU识别上有显著提高，并且超越了基于CNN的最先进方法。对于数据库中频率最低的AUs，其提升尤为显著。