人脸表情识别数据集 JAFFE JAFFE数据集一共有213张图像．选取了10名日本女学生，每个人做出7种表情．7种表情包括： Angry，Disgust，Fear，Happy，Sad，Surprise，Neutral．（愤怒，厌恶，恐惧，高兴，悲伤，惊讶，中性）

生动的GAN-TIP2021 带有面部修饰的幻觉代码（TIP 2021）。 链接： ： 先决条件： 要求：Python = 3.6和Pytorch> = 1.0.0 安装Pytorch 准备数据集（我正在使用Multi-PIE，CelebA和MMI作为训练集。） 火车： python train.py 更改train.py中的选项以设置数据集的目录。 测试 python test.py 引文 如果您发现VividGAN对您的研究有用，请考虑引用： ARTICLE{9318504,

最近的研究表明，共识聚类可以通过组合多个聚类来提高人类行为分类模型的准确性，这些聚类可以从各种类型的本地描述符（如HOG，HOF和MBH）中获得。但是，共识聚类会产生最终的聚类，而无法访问人类行为数据的基础特征表示，这总是使最终的划分受限于现有基本聚类的质量。 为了解决这个问题，我们提出了一种新颖且有效的共识信息瓶颈（CIB）方法，用于无人监督的人为行为分类。 CIB能够同时从特征变量和辅助聚类中学习动作类别。 具体而言，通过执行互信息最大化（MMI），CIB最大限度地保留了特征变量和现有辅助聚

深度卷积网络提取的表情特征易受背景、个体身份等因素影响,其与无用特征混合在一起对表情识别造成干扰。针对此问题,提出一种基于注意力模型的面部表情识别算法,该方法基于一个轻量级的卷积神经网络以避免过拟合,通过通道注意力模块和空间注意力模块对特征图元素进行加强或抑制,应用残差学习单元使注意力模型学习到更丰富的特征并获得更好的梯度流。此外,还提出一种面部表情关键区域截取方案,以解决非表情区域的噪声干扰问题。在两个常用的表情数据集CK+和MMI上对所提方法进行了验证,实验结果证明了该方法的优越性。