多阈值度量网络

免阈值验证

利用多阈值采样与双三元组损失，避免阈值验证难题，提升面部表情特征表征的鲁棒性和识别精度。

杨文武 · Jinyi, Yu · Tuo, Chen · 刘振广 · 王勋 · 沈建冰

Pattern Recognition 2024

技术优势

免阈值验证

通过在整个有效范围内采样阈值，而非选择单一最优阈值，避免复杂的阈值验证过程。

改善收敛性

提出的双三元组损失解决了传统三元组损失在批困难样本挖掘下难以收敛的问题。

多数据集表现优异

在姿态和自发面部表情数据集上的广泛评估表明，该方法性能优越。

应用场景

• 情感计算：提供更鲁棒的表情特征，提升情感识别系统准确性。
• 人脸识别：改进的度量学习方式可应用于面部特征提取，增强辨别力。
• 度量学习：提出多阈值采样策略和双三元组损失，为度量学习提供新方案。
• 模式识别：在多种表情数据集上验证，适用于模式识别任务。