这是一篇发布在CVPRW2019上面的文章，文章可以免费下载，并且提供了验证源代码，原文链接和代码链接都放在下面，有需要的小伙伴可以自取。

原文链接：FERAtt: Facial Expression Recognition with Attention Net

代码链接：Github地址

言归正传，这篇文章的主要内容首先是提出了一个新的网络架构——FERAtt，一个带有Attention机制的基于CNN的网络；其次是引入新的双分支网络加强对面部表情内核的学习；另外，文章给出了一个新的损失函数——结构高斯流损失（Structured Gaussian Manifold Loss）；最后文章给出了一个新的合成生成器进行数据扩充。

一、相关问题

近期FER研究中出现的问题：作者认为最近的FER研究，进行表情识别时，总是针对整张图像，而不去考虑在图像中的面部裁剪位置。这样会给表情识别带来额外的计算（包括人的毛发、珠宝等），也会引入噪声。

引入机制：Attention机制，人眼视觉感知能够快速解析视场，丢弃不相关的信息，然后将主要处理过程集中在一个特定的感兴趣的目标区域，即所谓的机制。

解决方法：就是引入上述的机制，通过模仿人类视觉机制，进行表情识别，如下图所示：

二、方法理论 

（一）网络结构

网络主要包括四个部分：; ; ; ，网络结构如下图：

 1. 

这是一个类似于人脸检测的模块，作者使用比较新颖的图像分割方法——U-net代替了人脸检测。具体结构可以看下面的图：

 下面的图是这一个模块的具体效果，它生成输入图片的一张掩膜，也就是将输入图片的非人脸区域遮盖掉：

 2. 

这一模块是为了从图像中获取基本的特征，并保留图像的空间信息。具体效果如下图所示：

 3. 

这一部分是将和的输出进行一个融合增强，为下面一个模块提供输入，从而进行更好的分类。

具体的实现可以去阅读一下论文。

三、论文总结

1. 文章提出了一种新的带有Attention机制的面部表情识别网络结构。
2. 文章的工作在我看来主要集中在面部图像的预处理阶段，也就是使用人脸分割代替传统的人脸检测，去除人脸图片中于表情无关的因素，进而辅助模块更好的进行表情的表示和分类。
3. 数据扩充策略没有在博客中提到。文章还提出了一种新的数据扩充策略，这个策略就是从真实的面部表情数据集中检测和提取人脸，对提取出的人脸进行几何或光照等的变换，并将变换后的图片合成到新的背景图像数据库中，进而达到数据扩充的效果。
4. 实验过程以及结果可以参照原文。。。。