3/20：
《Facial Expression Recognition Using Enhanced Deep 3D Convolutional Neural
Networks》 Behzad Hasani and Mohammad H. Mahoor
內(nèi)容：該論文提出了一種基于3D-CNN和LSTM（Long Short-term Memory）在視頻序列中的進(jìn)行面部表情識別的方法，并引入面部特征點(diǎn)加強(qiáng)對微表情變換的識別空扎。該方法在CK+上取得了93.21的準(zhǔn)確率嘱朽，在MMI、FERA呛梆、DISFA等數(shù)據(jù)集上也取得了不錯的成績。
3/21：
《Facial Expression Recognition with Recurrent Neural Networks》 Alex Graves,Jürgen Schmidhuber
內(nèi)容：該論文提出了一種基于RNN和LSTM在視頻序列中進(jìn)行面部表情識別的方法磕诊。論文的創(chuàng)新點(diǎn)在：(1)提出了一種新型的目標(biāo)函數(shù)的設(shè)計思路 (2)提出了一種新型的特征提取的方法 (3)提出了LSTM和BLSTM（雙向LSTM）在識別上的差距填物，并進(jìn)行了實(shí)驗驗證（最小誤差率：14.6%（BLSTM），18.2%（LSTM））霎终。
《A Brief Review of Facial Emotion Recognition Based on Visual Information》 Byoung Chul Ko
內(nèi)容：該論文對面部表情識別近些年來的發(fā)展內(nèi)容做了總結(jié)滞磺，分傳統(tǒng)方法的面部表情識別和基于深度學(xué)習(xí)的±嘲基于深度學(xué)習(xí)的表情識別中击困，以CNN做空間上的特征提取，RNN/LSTM做時間上的特征提取广凸。此外還總結(jié)了各大人臉表情數(shù)據(jù)庫沛励。對面部表情識別的評價函數(shù)給出了一些基準(zhǔn)：主題無關(guān)（subject-independent）、跨數(shù)據(jù)庫任務(wù)（cross-database tasks）炮障。以及對評價指標(biāo)（Evaluation Metrics）的公式和評價結(jié)果進(jìn)行了說明解釋目派。
