近日，团队成员温兴在梁艳老师和潘家辉教授的指导下，在《智能系统学报》（CCF-T2类期刊）发表研究论文《融合全局与局部特征的跨数据集表情识别方法》，并于2023年8月1日在线发表。

图1 中国知网首发论文截图

在实际应用中，人脸表情的训练集与测试集通常来自不同的数据分布，因此需要进行跨数据集表情识别。本论文提出了一种基于表情融合特征的域对抗网络模型。该模型利用残差神经网络提取人脸表情的全局特征与局部特征，并使用Encoder模块融合两类特征，在提高表情特征的鲁棒性的同时，减少了表情特征的跨域差异，有利于后续表情模型的迁移。此外，为了解决不同表情数据集的类别不匹配导致跨数据集识别精度下降的问题，本文使用细粒度的域鉴别器进行源数据集与目标数据集对抗，对齐数据集的边缘分布和条件分布。在实验部分，本文通过消融实验及可视化实验证明特征融合以及细粒度域对抗自适应方法的有效性。通过与近年表现优异的算法比较，证明了本文方法的有效性。

图2 基于表情融合特征的域对抗网络模型框架

《智能系统学报》是中国人工智能学会会刊，被中国科学引文数据库（CSCD）、中文核心期刊、中国科技核心期刊等多家国内外重要数据库收录。其主要刊登机器学习、机器人、机器感知与模式识别、智能系统、脑认知基础、知识工程、自然语言处理与理解、人工智能基础等方向内容，反映国内外智能科学学科的前沿和发展，促进智能科学理论和技术的传播与交流。

网络首发地址：

https://kns-cnki-net-s.libvpn.scnu.edu.cn:20080/kcms2/article/abstract?v=3uoqIhG8C45S0n9fL2suRadTyEVl2pW9UrhTDCdPD66-kA-N84oJbJak2O5GtwcOt34Q6fBPNaMsK7h-K0-5L7AnQ4dnlp27&uniplatform=NZKPT

撰稿：梁艳

审稿：潘家辉