Supervised super-vector encoding for facial expression recognition

Abstract

Expression recognition from faces with varying pose and illumination conditions is a challenging research area with growing interest. In this paper, we develop a novel supervised super-vector encoding framework to learn discriminative image feature representations. The framework is then validated on the Multi-PIE and BU3D-FE databases for multi-view facial expression recognition. Extensive experiments show that our supervised framework gives significant improvement over the unsupervised counterpart and outperforms the state-of-the-arts.

دانلود رایگان مقاله انگلیسی                975.53 KB

چکیده
تشخیص حالت از چهره ها با شرایط موقعیت و روشنایی متغیر یک حیطه ی پژوهشی چالش انگیز بهمراه جلب توجه روزافزون می باشد. در این مقاله، یک چارچوب رمزگذاری ابر بردار نظارت شده ی جدیدی برای یادگیری نمایش های مشخصه تصویر متمایز توسعه می دهیم. سپس چارچوب روی پایگاه داده های Multi-PIE و BU3D-FE برای تشخیص حالت چهره چندنمایی بررسی می شود. آزمایش های گسترده نشان می دهند که چارچوب نظارت شده ما بهبود قابل توجهی نسبت به همتای نظارت نشده اش ارائه می کند و بعنوان جدیدترین تکنولوژی عمل می کند.

تعداد صفحات مقاله انگلیسی: 7صفحه
تعداد صفحات مقاله فارسی: 20 صفحه