高效表情中立性估计及其应用于人脸识别效用预测
原文中文，约400字，阅读约需1分钟。发表于：。鉴于人脸图像质量对生物特征识别系统的识别性能有很大影响，本研究旨在训练分类器来评估人脸表情中性，通过在七个数据集上进行大量性能基准测试，我们揭示了每个分类器在将 “中性” 与 “非中性” 表情区分开来方面存在显著差异，随机森林和 AdaBoost 分类器在高准确性下最适合区分中性与非中性表情，但在预测面部识别效用方面却表现不及支持向量机。
最近的研究发现，用户对与机器进行类似人的互动的偏好增长。本研究评估了深度学习方法在识别具有智力残疾的个体的面部表情方面的适用性。研究结果显示，智力残疾个体之间以及具有智力残疾的个体之间面部表情存在显著差异。该研究证明了对该人群中面部表情的可行性，使得模型能够有效地处理每个用户独特的表达方式。
