摘要

面部表情识别（Facial Expression Recognition, FER）是一项具有挑战性的任务，有助于提升人机交互的自然性。本文聚焦于单张“野生”（in-the-wild, ITW）图像上的自动面部表情识别。ITW图像普遍存在姿态变化、视角偏差以及输入分辨率低等实际问题。为此，本文提出一种基于超分辨率的金字塔网络结构（Pyramid with Super-Resolution, PSR），以应对ITW场景下的表情识别挑战。同时，我们引入了一种先验分布标签平滑（Prior Distribution Label Smoothing, PDLS）损失函数，利用表情识别任务中各类表情之间易混淆的先验知识，进一步提升模型的判别能力。在三个最主流的ITW FER数据集上的实验结果表明，所提方法在性能上优于当前所有最先进的技术。