Facial Expression Recognition Based on Squeeze Vision Transformer.
Facial Expression Recognition Based on Squeeze Vision Transformer.
复制标题
DOI：
10.3390/s22103729
复制
发表时间：
2022-05-13
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
在最近的图像分类方法中，视觉变换器（ViT）表现出了超越卷积神经网络的优异性能。 ViT 实现了自然图像的高分类，因为它正确地保留了全局图像特征。相反，ViT 在面部表情识别（FER）方面仍然存在许多局限性，需要检测表情的细微变化，因为它可能会丢失图像的局部特征。因此，在本文中，我们提出了 Squeeze ViT，一种通过减少特征维数来降低计算复杂度，同时通过同时结合全局和局部特征来提高 FER 性能的方法。为了测量 Squeeze ViT 的 FER 性能，在实验室控制的 FER 数据集和野生 FER 数据集上进行了实验。通过与之前最先进方法的比较实验，我们证明所提出的方法在两种类型的数据集上都取得了优异的性能。
In recent image classification approaches, a vision transformer (ViT) has shown an excellent performance beyond that of a convolutional neural network. A ViT achieves a high classification for natural images because it properly preserves the global image features. Conversely, a ViT still has many limitations in facial expression recognition (FER), which requires the detection of subtle changes in expression, because it can lose the local features of the image. Therefore, in this paper, we propose Squeeze ViT, a method for reducing the computational complexity by reducing the number of feature dimensions while increasing the FER performance by concurrently combining global and local features. To measure the FER performance of Squeeze ViT, experiments were conducted on lab-controlled FER datasets and a wild FER dataset. Through comparative experiments with previous state-of-the-art approaches, we proved that the proposed method achieves an excellent performance on both types of datasets.
登录
查看更多内容
影响因子：
3.6
作者：
Ghimire, Deepak;Jeong, Sunghwan;Park, San Hyun
通讯作者：
Park, San Hyun
DOI：
10.1073/pnas.1322355111
发表时间：
2014-04-15
影响因子：
11.1
作者：
Du, Shichuan;Tao, Yong;Martinez, Aleix M.
通讯作者：
Martinez, Aleix M.
影响因子：
3.8
作者：
Kulke, Louisa;Feyerabend, Dennis;Schacht, Annekathrin
通讯作者：
Schacht, Annekathrin
影响因子：
11.2
作者：
Fan, Yingruo;Li, Victor O. K.;Lam, Jacqueline C. K.
通讯作者：
Lam, Jacqueline C. K.
影响因子：
11.2
作者：
Lee, Seung Ho;Plataniotis, Konstantinos N. (Kostas);Ro, Yong Man
通讯作者：
Ro, Yong Man