Inselverlust für das Lernen diskriminativer Merkmale in der Gesichtsausdruckserkennung

In den letzten Jahren haben sich Faltungsschicht-Neuronale Netze (Convolutional Neural Networks, CNNs) bei der Erkennung von Gesichtsausdrücken als vielversprechend erwiesen. Allerdings nimmt die Leistung unter realen Bedingungen aufgrund von Variationen, die durch subtile Veränderungen des Gesichtsauftritts, Kopfhaltungsunterschiede, Beleuchtungsänderungen und Verdeckungen eingeführt werden, drastisch ab.In dieser Arbeit wird ein neuer Inselverlust (island loss) vorgeschlagen, um die Diskriminierungsfähigkeit der tiefen gelernten Merkmale zu verbessern. Insbesondere ist der IL so konzipiert, dass er die innerklassischen Variationen reduziert, während gleichzeitig die zwischenklasslichen Unterschiede vergrößert. Experimentelle Ergebnisse anhand vierer Referenzdatenbanken für Gesichtsausdrücke haben gezeigt, dass das CNN mit dem vorgeschlagenen Inselverlust (IL-CNN) sowohl traditionelle Softmax-Verlustfunktionen als auch Zentrumslustfunktionen überbietet und vergleichbare oder sogar bessere Ergebnisse als die bislang besten Methoden für die Erkennung von Gesichtsausdrücken erzielt.