基于生成对抗网络的遮挡表情识别

摘要: 针对实际应用中局部遮挡会影响人脸表情识别，提出一种基于生成对抗网络（GAN）的表情识别算法，先对遮挡人脸图像填补修复，再进行表情识别。其中GAN的生成器由卷积自动编码机构成，与鉴别器的对抗学习使得生成的人脸图像更加逼真。由卷积神经网络构成的鉴别器具有良好的特征提取能力，添加多分类层构成了表情分类器，避免了重新计算图像特征。为了解决训练样本不足的问题，将celebA人脸数据集用于训练人脸填补修复，同时表情分类器的特征提取部分得到了预训练。在CK+数据集上的实验证明，填补后的人脸图像真实连贯，并取得了较高的表情识别率，尤其提高了人脸大面积遮挡的识别率。