正文
邓伟洪，北京邮电大学信息与通信工程学院教授，博士生导师，从事模式识别与计算机视觉基础理论研究，并应用到人脸识别、表情识别、行人再识别、细粒度图像识别等。近期主要聚焦在视觉识别中遇到的瓶颈问题，展开深度迁移学习与度量学习的理论研究。在TPAMI、IJCV、TIP、TIFS、PR等国际期刊以及ICCV、CVPR、ECCV、NIPS、AAAI、SIGIR等国际会议发表论文100余篇，曾入选北京市优秀博士学位论文、教育部“新世纪优秀人才”计划、北京市“科技新星”计划等。
个人主页：
http://www.pris.net.cn/introduction/teacher/dengweihong
报告摘要：
人脸表情识别是人机交互中表达情感的最为有效的方式之一。本报告从人类表情的进化起源开始，介绍相关人脸表情研究以及数据库的发展历史。重点介绍从主流的原型表情即基本表情扩展到了更为丰富更加具有代表性的复合表情和混合表情的相关工作，即包含复合表情的RAF-DB和包含混合表情的RAF-ML。为了解决这些基于真实世界环境的新识别难题，我们分别引入了特征局部约束和标签流形约束的方法来构建更加具有表情判别能力的特征。更进一步，我们研究发现不同人脸表情数据库之间存在明显的差异性和数据偏差，并针对该问题提出了基于域类别自适应的迁移学习方法进行跨数据库的表情识别。最后，本讲座将简要介绍深度学习技术在表情识别的中的发展和应用及对应的综述文章，并讨论该领域面临的机遇和挑战。
参考文献：
[1]
Shan Li, Weihong Deng, Blended Emotion in-the-Wild: Multi-label Facial Expression Recognition Using Crowdsourced Annotations and Deep Locality Feature Learning. International Journal of Computer Vision 127(6-7): 884-906 (2019).
[2]
Shan Li, Weihong Deng, Reliable Crowdsourcing and Deep Locality-Preserving Learning for Unconstrained Facial Expression Recognition. IEEE Trans. Image Processing 28(1): 356-370 (2019).
[3]
Shan Li, Weihong Deng, A Deeper Look at Facial Expression Dataset Bias. CoRR abs/1904.11150 (2019).
[4]
Shan Li, Weihong Deng, Deep Facial Expression Recognition: A Survey. CoRR abs/1804.08348 (2018).
报告嘉宾：
曾加贝（中科院计算所）
报告时间：
2019年8月21日（星期三）晚上20:30（北京时间）
报告题目：
Towards the subjective-ness in facial expression analysis
