【论文阅读】Facial Expression Recognition Under Partial Occlusion from Virtual RealityHeadsets based on Transfer Learning

1.这篇文章究竟讲了什么问题？
基于迁移学习的虚拟现实头罩部分遮挡下面部表情识别

2.这是否是一个新的问题？
不是一个新问题，文献[11]也研究了该问题

3.这篇文章要验证一个什么科学假设？
论文聚焦于模拟佩戴VR头罩下，面部被部分遮挡情况下的人脸表情识别。

4.有哪些相关研究？如何归类？谁是这一课题在这领域值得关注的研究员？
面部被遮挡下的人脸识别研究有很多，参考论文中Relatedworks部分，一些方法试图通过重建被遮挡的部分来最小化遮挡影响。现在有很多工作利用卷积神经网络来处理遮挡问题。
可以参考遮挡下人脸识别的综述：
(1)L. Zhang, B. V erma, D. Tjondronegor and V . Chandran, ”Facial Expression Analysis under Partial Occlusion: A Survey,” ACM Computing Surveys (CSUR), vol. 51, no. 2, 2018.
而VR下的情感识别主要有：
(1)M.-I. Georgescu and R. T. Ionescu,”Recognizing Facial Expressions of Occluded Faces using Convolutional Neural Networks,” in International Conference on Neural Information Processing ICONIP , 2019.
(2)S. Hickson, N. Dufour, A. Sud, V . Kwatra and Irfan Essa,”Eyemotion: Classifying facial expressions in VR using eye-tracking cameras,” in IEEE Winter Conference on Applications of Computer Vision (W ACV), Hawaii, 2019.

5.论文中提到的解决方案之关键是什么？
仿真遮挡的几何模型，应用到现有数据集上，以及采用迁移学习来提高识别精度。

6.论文中的实验是如何设计的？
对于每个模型VGG-Face和Resnet50，在每个数据集上分别使用5倍交叉验证训练网络，并报告精度。包括scratch, transfer learning

7.用于定量评估的数据集是什么？代码有没有开源？
FER+, AffectNet, RAF-DB, 代码开源：https://github.com/bita-github/MRP-FER

8.论文中的实验及结果有没有很好地支持需要验证的科学假设？
在FER+数据集上的结果要比文献M.-I. Georgescu et al. 低一些。其他数据集都达到最好的结果。证明了通过利用现有的基准数据集，带有迁移学习的模拟遮挡可以提供有希望的结果。

9.这篇论文到底有什么贡献？
提出了一种基于转移学习的方法来解决用户佩戴VR，面部存在在严重遮挡的情况下的表情识别。

10.下一步呢？有什么工作可以继续深入？
创建自己的数据集。
文中提出的模拟遮挡与实际遮挡的符合程度，如何量化。