Dynamic Resolution Guidance for Facial Expression Recognition

面部表情识别（FER）对于人机交互和情感分析至关重要，但在低分辨率图像中识别表情仍然具有挑战性。本文介绍了一种名为动态分辨率指导面部表情识别（DRGFER）的实用方法，可以有效地识别分辨率不同的图像中的面部表情，而不会影响FER模型的准确性。我们的框架包括两个主要组件：分辨率识别网络（RRN）和多分辨率适应面部表情识别网络（MRAFER）。RRN确定图像分辨率，输出二进制向量，而MRAFER根据分辨率将图像分配给适合的面部表情识别网络。我们在广泛使用的RAFDB和FERPlus数据集上评估了DRGFER，证明我们的方法在每个分辨率下保持最佳模型性能，并且优于替代分辨率方法。所提出的框架对分辨率变化和面部表情表现出强大的鲁棒性，为实际应用提供了有前途的解决方案。

DRGFER试图解决在低分辨率图像中识别面部表情的问题，保证FER模型的准确性。

DRGFER框架包括分辨率识别网络（RRN）和多分辨率适应面部表情识别网络（MRAFER），RRN确定图像分辨率并输出二进制向量，MRAFER根据分辨率将图像分配到适当的面部表情识别网络中。

论文使用RAFDB和FERPlus数据集对DRGFER进行了评估，证明了该方法在每个分辨率下保持最佳模型性能，并优于替代分辨率方法。该框架对分辨率变化和面部表情具有鲁棒性，为实际应用提供了一种有前途的解决方案。

在这个领域最近的相关研究包括：《Facial Expression Recognition in Low-Resolution Images Using Multi-Task Deep Neural Networks》、《Deep Residual Learning for Image Recognition》等。