面部表情识别中用于学习判别特征的岛屿损失方法

近年来，卷积神经网络（CNNs）在面部表情识别方面展现出巨大潜力。然而，在现实世界环境中，由于细微的面部外观变化、头部姿态差异、光照变化以及遮挡等因素引入的变化，其性能显著下降。本文提出了一种新颖的岛屿损失（island loss），以增强深度学习特征的判别能力。具体而言，岛屿损失旨在同时减少类内变化并扩大类间差异。在四个基准表情数据库上的实验结果表明，采用所提出的岛屿损失的CNN（IL-CNN）优于使用传统softmax损失或中心损失的基线CNN模型，并且在面部表情识别方面达到了与当前最先进方法相当或更好的性能。