.png){kind=icon}
返回
Facial expression recognition based on multi-domain norm-referenced encoding
.png){kind=icon}
OA
AI
DOI：10.1016/j.neunet.2025.108384.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
人们可以轻松识别非自然头形状（如卡通角色或动物的头部）上的人类面部表情。然而，当前的机器学习算法若未经大量数据训练，则在面部表情识别中难以实现跨领域迁移。在此，我们表明，神经科学的见解可以整合到计算机视觉模型中，以促进已学表情向新头形的迁移。具体而言，我们提出了一种基于规范参照编码的生物启发机制，该机制将输入表示为与领域特定参考向量的偏差。通过假设从适当选择的参考中产生的偏差在不同领域中得以保留，模型仅使用一张额外的训练图像即可泛化到新领域。我们在包含高度变化头形的面部表情的两个数据集上进行了实验，展示了模型的泛化能力和数据效率。在此过程中，我们证明规范参照编码具有可扩展性，并且可以被计算机视觉模型有效利用，为面部相关应用铺平道路，并可能适用于其他适当的模式类别。
Keyword:
Facial expression recognition
Norm-referenced encoding
Deep neural networks
Transfer learning
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.3
论文数:
7.8K
被引数:
3.0W
机构
暂无机构信息
引用论文
Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in positionNeocognitron：一种用于不受位置偏移影响的模式识别机制的自我组织神经网络模型
PREAI
分享收藏Integrative Benchmarking to Advance Neurally Mechanistic Models of Human Intelligence综合基准测试以推进人类智能的神经机制模型.png)
NEURONOAAI
NEURONIF15
OAAI分享收藏分享收藏Facial expressions of emotion (KDEF): Identification under different display-duration conditionsOAAI
OAAI分享收藏
查看更多内容