近期，我中心一篇关于跨域小样本人脸表情识别的论文（题目为Hyperbolic Self-Paced Multi-Expert Network for Cross-Domain Few-Shot Facial Expression Recognition）被CCF A类、JCR一区国际期刊《IEEE Transactions on Image Processing》接收，DOI: 10.1109/TIP.2025.3612281，2025年影响因子为13.7。该论文由我中心硕士生陈雪婷完成，由严严教授、王菡子教授共同指导。

近年来，跨域小样本人脸表情识别（CF-FER）受到广泛关注。该任务旨在仅用源域的基本表情训练模型，在目标域中用极少量图像识别新的复合表情。现有 CF-FER 方法通常利用多数据集以增加源域多样性、缓解源域与目标域之间的差异。然而，这些方法大多基于欧氏空间进行特征嵌入学习，未充分考虑多数据集中表情类别不平衡与样本难度不均衡的问题，从而难以刻画表情间的层级关系，导致可迁移表征能力不足。为此，本文提出了一种用于 CF-FER 的双曲自步多专家网络（HSM-Net），以自蒸馏的方式协同训练多个专家，每个专家聚焦于多数据集中的一个表情类别子集。在此基础上，引入双曲自步学习（HSL）策略，利用样本难度自适应地实现由易到难的训练过程，显著缓解类别与难度不均衡带来的负面影响。所提出的 HSM-Net 能够有效建模表情之间丰富的层级关系，并获得高度可迁移的特征空间。在实验室环境与野外环境的复合表情数据集上进行的大量实验表明，所提出方法优于多种最新的先进方法。论文链接：https://ieeexplore.ieee.org/abstract/document/11180819