摘要
我们提出了一种新型的面部表情识别网络，称为“分散注意力网络”（Distract Your Attention Network, DAN）。本方法基于两个关键观察：其一，多个类别在本质上具有相似的面部外观特征，其差异往往较为细微；其二，面部表情通过多个面部区域同时表现，因此识别任务需要一种整体性方法，以编码局部特征之间的高阶交互关系。为应对上述挑战，我们设计了DAN网络，包含三个核心组件：特征聚类网络（Feature Clustering Network, FCN）、多头交叉注意力网络（Multi-head cross Attention Network, MAN）以及注意力融合网络（Attention Fusion Network, AFN）。FCN通过采用大间隔学习目标，增强特征的判别能力，从而提取更具鲁棒性的特征表示。MAN引入多个注意力头，可同时关注多个面部区域，并在这些区域上构建注意力图。进一步地，AFN在融合注意力图之前，主动将注意力分散至多个位置，以增强模型对多区域信息的整合能力，最终生成一个全面且富有表现力的融合注意力图。在三个公开数据集（包括AffectNet、RAF-DB和SFEW 2.0）上的大量实验表明，所提方法在面部表情识别任务中 consistently 达到了当前最优（state-of-the-art）性能。代码将开源，发布于 https://github.com/yaoing/DAN。