MAC-Lab实验室郎俊杰同学在期刊《Pattern Recognition Letters》上发表论文《Multi-Stage and Multi-Branch Network with Similar Expressions Label Distribution Learning for Facial Expression Recognition》。

    论文提出了一种新颖的面部表情识别网络，称为多阶段和类似表情标签分布学习网络（MSCL）。我们的方法是基于对复杂野生场景中相似表情之间标签模糊性的观察，因为它们之间存在固有的相似特征，难以区分，甚至被人工错误标记。所提出的网络由三个模块组成，即多级多分支分类网络（MSB）、多分支标签分布学习模块（MLD）和多分支相似性保持模块（MSP）。 MSB通过第一阶段预测聚合相似的表达特征，MLD利用MSB的聚合结果提取相似表达之间的标签分布，MSP利用一致性关系最小化多个分支之间的差异。我们提出了一个端到端模型，其中每个模块都可以与现有的网络模块集成。此外，我们的方法在 RAF-DB 数据集上实现了 89.44% 的准确率，并在 AffectNet 数据集上实现了最先进的结果，其两个子集 AffectNet-8 和 AffectNet-7 的准确率分别为 63.25% 和 66.56%。