摘要

可用于面部表情强度估计研究的标记数据有限。例如，自动疼痛评估深度网络的训练受到患者报告疼痛强度标签的小型数据集的限制。幸运的是，从数据丰富的预训练领域（如人脸识别）进行微调可以缓解这一问题。在本文中，我们提出了一种网络，该网络通过使用正则化回归损失和带有表情标签的额外数据来微调最先进的面部验证网络。通过这种方式，表情强度回归任务可以从大量数据训练出的丰富特征表示中受益。所提出的正则化深度回归器被应用于估计疼痛表情强度，并在广泛使用的UNBC-麦克马斯特肩痛数据集上进行了验证，达到了最先进的性能。此外，还提出了一种加权评估指标以解决不同疼痛强度之间的不平衡问题。