Predicting face attributes in the wild is challenging due to complex face variations. We propose a novel deep learning framework for attribute prediction in the wild. It cascades two CNNs, LNet and ANet, which are fine- tuned jointly with attribute
野外的情绪回归
使用Aff-Wild数据库中可用视频中的价和Arousal值估算值进行情感回归。 针对此问题，我们使用了2个基于CNN的框架。 其中一个模型的使用SENET预先训练上VGGFace数据库和微调在AFF-野生训练数据的子集的模型。 另一个模型是带有CBAM注意模块的ResNet样式的CNN，用于精炼特征提取。 该模型是使用Aff-Wild火车数据的子集从头开始训练的。
The hyper-parameters used for both the models are listed
