A Cross-Modal Network for Facial Expression Recognition

计算机科学 人工智能 面部表情识别 模式识别(心理学) 面部识别系统 计算机视觉 人工神经网络 图像处理 特征提取 面部表情 语音识别 图像分割 信号处理 表达式(计算机科学) 特征(语言学) 面子(社会学概念) 字符识别 噪音(视频) 视觉对象识别的认知神经科学 自动目标识别 数据压缩 反向传播
作者
Chunwei Tian,Jingyuan Xie,Q Zhang,Chao Li,Wangmeng Zuo,Shichao Zhang
出处
期刊:IEEE transactions on image processing [Institute of Electrical and Electronics Engineers]
卷期号:35: 5311-5323 被引量:1
标识
DOI:10.1109/tip.2026.3688163
摘要

Deep neural networks enriched with structural information have been widely employed for facial expression recognition tasks. However, these methods often depend on hierarchical information rather than face property to finish expression recognition. In this paper, we propose a cross-modal network with strong biological and structural information for facial expression recognition (CMNet). CMNet can respectively learn expression information via face symmetry on a whole face, left and right half faces to extract complementary facial features. To prevent negative effect of biological and structural information fusion, a salient facial information refinement module can obtain salient facial expression information to improve stability of an obtained facial expression classifier. To reduce reliance on unilateral facial features, a half-face alignment optimization mechanism is designed to align obtained expression information of learned left and right half faces. Our experimental results demonstrate that CMNet outperforms several novel methods, i.e., SCN and LAENet-SA for facial expression recognition. Codes can be obtained at https://github.com/hellloxiaotian/CMNet.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
wjy完成签到,获得积分10
刚刚
flame完成签到,获得积分10
刚刚
明理小凝完成签到 ,获得积分10
刚刚
刚刚
齐柒完成签到,获得积分10
刚刚
xiaofeng5838完成签到,获得积分10
刚刚
时光完成签到,获得积分0
1秒前
叁叁完成签到 ,获得积分10
1秒前
王艺欣发布了新的文献求助10
1秒前
hhh完成签到,获得积分10
2秒前
horse888完成签到,获得积分10
2秒前
一叶扁舟0147完成签到,获得积分10
2秒前
JJW完成签到,获得积分10
2秒前
RXAFSH完成签到,获得积分10
3秒前
3秒前
3秒前
从容鞋子完成签到,获得积分10
3秒前
畅快的小懒虫完成签到,获得积分10
4秒前
hh285完成签到,获得积分10
4秒前
Danyang发布了新的文献求助10
5秒前
橙啦啦啦啦完成签到,获得积分10
5秒前
GuoH完成签到,获得积分10
5秒前
旺仔仔完成签到,获得积分10
5秒前
彩色的依琴完成签到,获得积分10
5秒前
徐滨完成签到,获得积分10
5秒前
现代的南风完成签到 ,获得积分10
5秒前
Vision完成签到,获得积分10
5秒前
zhao发布了新的文献求助10
6秒前
江東完成签到 ,获得积分10
6秒前
Gp1983发布了新的文献求助50
6秒前
plan完成签到 ,获得积分10
6秒前
森森完成签到,获得积分10
6秒前
2q完成签到 ,获得积分10
7秒前
Ricardo完成签到,获得积分10
7秒前
彩色的哈密瓜完成签到,获得积分10
7秒前
廿二完成签到 ,获得积分10
7秒前
牵墨完成签到,获得积分10
7秒前
老迟的新瑶完成签到 ,获得积分10
7秒前
浩然完成签到 ,获得积分10
7秒前
猫又完成签到 ,获得积分10
7秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
Social Psychology in the Real World 600
八旗制度の研究 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8180135
求助须知:如何正确求助?哪些是违规求助? 9570290
关于积分的说明 21809391
捐赠科研通 7776237
什么是DOI,文献DOI怎么找? 3433266
关于科研通互助平台的介绍 2557465
邀请新用户注册赠送积分活动 2479039