【论文阅读】Deep learning-based facial emotion recognition for human–computer interaction applications

这篇文章标题虽然包含了人机交互，但是对人机交互部分进行过多描述

1.这篇文章究竟讲了什么问题？
采用迁移学习的方法，利用人脸表情数据集训练了几个卷积神经网络模型

2.这是否是一个新的问题？
不是

3.这篇文章要验证一个什么科学假设？
使用迁移学习提高人脸表情识别的精度。

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？
a)Fan Y, Lam JC, Li VO (2018) Multi-region ensemble convolutional neural network for facial expression recognition. In: Proceedings of International conference on artificial neural networks, Rhodes, Greece. pp 84–94
b) Wang Y, Li Y, Song Y, Rong X (2019) Facial expression recognition based on auxiliary models. Algorithms 12(11):227
c) Norde´n F, von Reis Marlevi F (2019) A comparative analysis of machine learning algorithms in binary facial expression recognition (Dissertation).
[28]-[35]
基本都是基于卷积神经网络的方法。
5.论文中提到的解决方案之关键是什么？
迁移学习！

6.论文中的实验是如何设计的？
a)分别对三个模型使用迁移学习训练，得到在测试数据上的结果。评价指标包括：recall, specificity, precision,f1.
b)与其他方法进行对比

7.用于定量评估的数据集是什么？代码有没有开源？
CK+，暂时没有发现开源

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？
实验结果表明本文方法(迁移学习)达到了较高的精度。

9.这篇论文到底有什么贡献？
提出一个迁移学习的方法，训练多个人脸表情识别模型

10.下一步呢？有什么工作可以继续深入？
感觉创新点不够，迁移学习应用的范围现在已经很广。对于微表情识别，也可采用
迁移学习来提高识别精度。考虑采用mobilenet作为特征提取模型，可以作为落地应用的模型。