近日，由我中心硕士生阮德莲和莫榕云（共同第一作者）完成的论文“Adaptive Deep Disturbance-Disentangled Learning for Facial Expression Recognition”被CCF A类国际学术期刊《International Journal of Computer Vision》录用（DOI: 10.1007/s11263-021-01556-7）。IJCV是计算机科学领域最顶级的国际期刊之一，其近五年影响因子为13.284。该论文提出了一种自适应分离干扰因素的表情识别算法，用于解决多种干扰情况下的人脸表情识别问题。

人脸表情图像中存在多种干扰因素，比如身份、头部姿态、光照、年龄、性别、种族等，这些干扰因素扩大了表情的类间相似性和类内差异性，影响了表情特征的提取。因此，该论文通过多任务学习的方式构建了表情子网络和干扰子网络，来分别学习表情特征和干扰特征。因为各个表情数据集所包含干扰因素的类型和程度都不同，所以论文中提出了一种自适应干扰特征学习模块。该模块通过注意力机制和对抗迁移学习的方式，可以结合其它人脸数据集的先验知识和目标表情数据集的干扰因素特点来自适应地学习干扰特征。然后，该模型通过最小化表情特征和干扰特征之间的互信息对二者进行显式地分离，从而得到更有判别力的表情特征，显著地提升了表情识别的性能。

图1：一种自适应分离干扰因素的表情识别算法

  该论文由我院的严严副教授、王菡子教授、伦敦大学学院薛景浩教授和厦门理工学院陈思副教授共同指导。该项研究获得了国家自然科学基金项目（项目批准号：62071404、U21A20514和61872307）、之江实验室开放研究项目（项目批准号：2021KG0AB02）、福建省自然科学基金项目（项目批准号：2020J01001）和厦门市青年创新基金项目（项目批准号：3502Z20206046）的资助。