2015 ICCV及ICCV Workshop中Action Units检测与Facial Landmark检测文章总结

好记性不如烂笔头，记录一下重点部分，方便以后查找

有AU标记的数据集：CK+，DISFA，BP4D

有关AU检测的文章整理

1，ICCV 2015 HSHTL， Ruiz A, Weijer J V D, Binefa X. From Emotions to Action Units with Hidden and Semi-Hidden-Task Learning[C]// IEEE International Conference on Computer Vision . IEEE, 2015:3703-3711.

一般人是从AU组合得到Emotion，这篇文章别出心裁，从Emotion得到AU。原因是标记AU的数据集很少，而标记Emotion的数据集很多。

文章通过已有的情感数据集（大量、已标记6种通用情感）来提高AU分类器的泛化能力

文中取49个特征点用的是IntraFace-CVPR-2013-SDM

训练数据  集包括UNBC-Pain、FERA、DISFA，测试数据集包括CK+、UNBC、FERA、DISFA

2， ICCV 2015 CPM ， Zeng J, Chu W S, Torre F D L, et al. Confidence Preserving Machine for Facial Action Unit Detection[C]// International Conference on Computer Vision. 2015:3622-3630.

针对各种误差来源，而不针对具体某一个特定来源？

用2个分类器，一个测积极，一个测消极，如果有检测到在积极与消极边界的就利用时空信息得到结果

实验用数据集包括GFT、BP4D、DISFA

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删