Perte d'île pour l'apprentissage de caractéristiques discriminantes dans la reconnaissance des expressions faciales

Au cours des dernières années, les Réseaux Neuronaux Convolutifs (RNC ou CNN en anglais) ont montré un potentiel prometteur dans la reconnaissance des expressions faciales. Cependant, leurs performances se dégradent considérablement dans des conditions réelles en raison des variations introduites par de subtiles modifications de l'apparence du visage, les variations de pose de la tête, les changements d'éclairage et les occultations.Dans cet article, une nouvelle perte d'île (island loss) est proposée pour améliorer la puissance discriminante des caractéristiques apprises en profondeur. Plus précisément, cette perte d'île (IL) est conçue pour réduire les variations intra-classe tout en augmentant simultanément les différences inter-classes. Les résultats expérimentaux sur quatre bases de données d'expressions faciales de référence ont démontré que le RNC avec la perte d'île proposée (RNC-IL) surpassait les modèles RNC de base utilisant soit la perte softmax traditionnelle, soit la perte centrale, et atteignait des performances comparables ou supérieures aux méthodes les plus avancées actuellement disponibles pour la reconnaissance des expressions faciales.