极市直播丨彭小江&王锴：非受控环境下的表情识别｜TIP2020&CVPR2020

2020 年 7 月 26 日 极市平台

↑ 点击蓝字关注极市平台识别先机创造未来

| 极市线上分享第64期 |

一直以来，为让大家更好地了解学界业界优秀的论文和工作，极市已邀请了超过80位技术大咖嘉宾，并完成了63期极市线上直播分享。往期分享请前往bbs.cvmart.net/topics/149或直接阅读原文，也欢迎各位小伙伴自荐或推荐更多多优秀的技术嘉宾到极市进行技术分享，与大家一起交流学习~~

人脸表情作为人们日常生活一种非语言交际信息，一定程度上是人们内在情感的反映。在当今摄像头无处不在的时代，通过人脸感知人们的情感是比较实际的方案。然而，非受控环境下人脸表情识别存在诸多问题和挑战，比如大姿态、遮挡、不一致标注问题。

本次分享，我们邀请到了来自中国科学院深圳先进技术研究院的彭小江副研究员和王锴，为我们介绍分享自注意力策略在这些问题上的两个探索工作：Region Attention Networks for Pose and Occlusion Robust FacialExpression Recognition (TIP2020)及Suppressing Uncertainties for Large-Scale Facial ExpressionRecognition (CVPR2020)。

其中，第一个工作在人脸图片part层级引入自注意力，挖掘最具表情鉴别力的part，进而缓解遮挡和大姿态问题。第二个工作在minibatch中引入自注意力、排序和标签修改，从而抑制不确定性表情样本，缓解噪声过拟合以学到真正的表情特征。

直播信息

时间：2020年7月29日（周三）20:00~21:00

主题

非受控环境下的表情识别

Facial expression recognition in the wild

嘉宾介绍

彭小江

中国科学院深圳先进技术研究院副研究员，主要研究领域为视频理解、情感计算、跨模态人脸识别、弱监督学习等。曾于顶级期刊和会议发表论文40余篇，担任ICCV、CVPR、ECCV等会议期刊审稿人，并负责包括国自然基金等在内的7项科研项目。

更多信息见个人主页： pengxj.github.io

王锴

硕士毕业于中国科学院深圳先进技术研究院，硕士期间研究领域为情感计算和噪声样本学习。

关于分享

➤论文&代码

TIP2020： https://arxiv.org/pdf/1905.04075.pdf

code： https://github.com/kaiwang960112/Challenge-condition-FER-dataset

CVPR2020： https://arxiv.org/pdf/2002.10392.pdf

code： https://github.com/kaiwang960112/Self-Cure-Network

➤分享大纲

1. 情感计算及主要模型
2. 人脸表情识别入门知识
3. 大姿态和遮挡情况下的表情识别
4. 表情识别中的不确定性样本抑制
5. 人脸表情识别展望

参与方式

关注“极市平台”公众号，回复“64”或“彭小江”或“王锴”可获取免费直播链接。

往期回顾

极市平台专注分享计算机视觉前沿资讯和技术干货，特邀请行业内专业牛人嘉宾为大家分享视觉领域内的干货及经验，目前已成功举办63 期线上分享。近期在线分享可点击以下标题查看：

……

更多往期分享请浏览：极市计算机视觉技术分享集锦

（http://bbs.cvmart.net/topics/149/cvshare），也可以点击阅读原文获取。

在"极市平台"公众号后台回复期数或者分享嘉宾名字，即可获取极市平台对应期在线分享资料。

关于极市平台

极市（Extreme Mart） 是深圳极视角科技有限公司旗下AI开发者生态，面向计算机视觉算法工程师，为开发者提供算法开发环境、真实数据项目实战、自动测试、加速工具、算法封装等全方位平台技术与工程支持，同时提供技术干货、大咖分享、社区交流、竞赛活动等丰富的内容与服务。

官网： www.cvmart.net

有任何想了解的内容请在本帖下留言，嘉宾会在直播中回答大家的问题哦~

觉得有用麻烦给个在看啦~

登录查看更多

相关内容

TIP

关注 4

IEEE图像处理事务涵盖了新颖的理论，算法和体系结构，可在各种应用中形成、捕获、处理、通信、分析和显示图像、视频和多维信号。感兴趣的主题包括但不限于数学、统计和感知建模、表示、形成、编码、过滤、增强、还原、渲染、半色调、搜索和分析图像、视频和多维信号。感兴趣的应用包括图像和视频通信、电子成像、生物医学成像、图像和视频系统以及遥感。官网地址：http://dblp.uni-trier.de/db/journals/tip/

[CVPR 2020]BEDSR-Net：单张文档图像的阴影去除深度网络

专知会员服务

25+阅读 · 2020年9月29日

【CVPR2020】通过获取高质量的关键点对来提升目标检测性能

专知会员服务

42+阅读 · 2020年6月30日

【CVPR2020-Oral】无监督域内自适应语义分割，Unsupervised Intra-domain Adaptation

专知会员服务

69+阅读 · 2020年4月20日

CVPR2020 | 商汤-港中文等提出PV-RCNN：3D目标检测新网络

专知会员服务

43+阅读 · 2020年4月17日