动态方向学习算法

半监督表情识别

同时解决半监督面部表情识别中的类别不平衡与域偏移问题，通过自适应平衡与对齐学习提升伪标签质量。

Li, Yaqi · Jiang, Jing · 张宇航 · Fang, Han · 胡佳妮 · 邓伟洪

IEEE Transactions on Affective Computing 2025

技术优势

类别不平衡可缓解

自适应平衡学习根据平衡验证集性能动态调整自训练约束，使训练过程更加均衡。

域偏移可自适应对齐

自适应对齐学习通过最小化标注与无标注数据在特征空间的距离，对齐特征分布，提升伪标签质量。

避免确认偏差

角色轮换机制防止模型过度自信于错误伪标签，进一步提升自训练效果。

应用场景

• 情感计算：提升情感识别模型在无标注数据下的性能，减少人工标注成本。
• 人机交互：让交互系统更准确地理解用户表情，提升自然交互体验。
• 具身智能：赋予机器人表情识别能力，增强具身智能的情感感知。
• 智能交互：在智能交互场景中利用半监督学习提高表情识别准确率。