【论文阅读】基于生成对抗网络的遮挡表情识别

1.这篇文章究竟讲了什么问题？
基于GAN的遮挡下的表情识别
2.这是否是一个新的问题？
不是新问题
3.这篇文章要验证一个什么科学假设？
填补遮挡的面部有效提高表情识别准确率
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？
(1) Radford A， Metz L， Chintala S． Unsupervised representation learning with deep convolutional generative adversarial networks［EB /OL］ ．( 2016-01-07) ． https: / /arxiv． org/abs /1511． 06434
(2) Yeh Ｒ，Chen Chen， Lim T Y， et al． Semantic image inpainting with perceptual and contextual losses［C］ / /Proc of IEEE Conference on Computer Vision and Pattern Ｒecognition． Washington DC: IEEE Computer Society， 2017: 6882-6890．
(3) Li Yijun， Liu Sifei， Yang Jimei， et al． Generative face completion［C］ / /Proc of IEEE Conference on Computer Vision and Pattern Ｒecognition． Washington DC: IEEE Computer Society，2017:5892-5900
(4) Salimans T， Goodfellow I， Zaremba W， et al． Improved techniques for training GANs［C］ / /Advances in Neural Information Processing Systems． 2016．
5.论文中提到的解决方案之关键是什么？
利用GAN来训练人脸填补模块，同时添加一个分类器，与生成器共享特征提取模块，实现表情分类

6.论文中的实验是如何设计的？
首先是随机遮挡对比，然后对修复的图像前后进行对比

7.用于定量评估的数据集是什么？代码有没有开源？
CK+，没有

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？
有

9.这篇论文到底有什么贡献？
利用GAN来训练人脸填补模块，同时添加一个分类器，与生成器共享特征提取模块，实现表情分类

10.下一步呢？有什么工作可以继续深入？
1)借鉴到遮挡下的微表情识别。
2)研究最新的GAN或者图像修复技术