《表1 CK+训练集数据量》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于生成对抗网络的人脸表情数据增强方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

与图6相比，本文的数据增强方法更具有多样性：本文方法不是在一个域内扩充图像，而是由一个域的图像生成其他域的配对图像，对处理数据量不平衡的数据库有很大的借鉴作用。由于卷积神经网络具有一定的平移不变性、旋转不变性和尺寸不变性，采用平移、截取和轻微旋转时，部分扩充图像与原图像得到的特征值可能相同，仅是对原图像的简单复制；过度遮盖会造成表情特征的大量缺失；大角度旋转已经被证明不适应于非对称图像增强；模糊、引入噪声都需要控制在一定的程度内，不能过度干扰表情特征。因此，传统方法需要针对训练数据进行调整，其对深度模型的提升在同等数据量下略为逊色。深度模型具有很强的学习能力，由于不同的表情来源于不同的人，模型可能会学习到区分不同人的特征，导致同一个人的不同表情得到相同的结果。而本文方法产生的是配对型数据，使得模型更关注于不同表情之间的差异，而不是不同人之间的差异。同样是从语义上扩充数据，本文方法较Sun等[12]的方法实现更为容易。相较于基于采样和目标函数的数据量不平衡解决方法，本文方法能够从根本上扩充小类别的数据量。表1展示了CK+训练集应用两种数据增强方案之后的数据量。