SVM能预测看不见的表情吗

Can SVM predict unseen expression

本文关键字：看不见 SVM 更新时间：2023-10-16

我对支持向量机（SVM）感到困惑。

我正在OpenCV库中使用SVM实现面部表情识别。我有一个分类器，它是从不同人群的七种基本人类表情（中性、快乐、悲伤、惊讶、愤怒、恐惧和厌恶）中训练出来的。让我们假设一个新人进来，SVM试图预测这个人。它能猜对吗（或者至少能以较低的识别率识别它）？

我试着这样做，并使用交叉验证（将训练和测试集分开）进行检查，经过多次迭代，识别率平均在50%左右。然而，如果我在它已经在训练集中学习的面部图像上进行测试，识别率会提高到90%。

这篇同样做面部表情识别的论文说：

我们的方法以机器学习系统为基础支持向量机（SVM）。人脸特征跟踪器从中的特征运动中收集一组位移视频流。这些随后用于训练SVM分类器识别以前看不见的表达式

所以我的主要问题是，

这是否意味着SVM无法正确预测一个看不见的样本（一个模仿上述表达的新人）

希望有人能帮忙，我希望我足够清楚

p.S我所说的看不见的表情是指一个新的人（SVM以前从未见过），但这个人模仿了我上面提到的一个表情。而不是其他表达式。

"以前看不见的表达式"只是指看不见样本，模型可以是svm、决策树或其他分类模型。

我认为，看不见的面部图像精度下降的原因与你选择的特征有关，而这可能与特定的人高度相关。特征选择方法可能有帮助，模型中的L1调节（L1-SVM）可能有帮助。

当然，SVM可以正确预测看不见的表达式——这就是"泛化"的实际含义。然而，除了你在训练集中收集的表情之外，它无法预测其他人类表情（这在这里不是问题）。

当然，预测看不见的面孔比预测训练模型的数据更难。所以，不用担心，只要像你已经做的那样使用你的机器。另一方面，如果你想减少泛化误差，你可以尝试使用其他功能。

我不知道如何理解你的问题。。。

首先，您似乎在识别known expressions（即(neutral, happy, sad, surprise, anger, fear, and disgust)）的泛化方面存在问题。

通常，使用机器学习的目的是将新的人脸图像分类为这些表情中的一个。所学习的泛化将是识别未知人脸上的那些表情（或者仅仅是已知人脸的新/未知图像）。

但你要求对新的表达进行分类，例如confused，它在整个学习过程中不是主题，也与已知的表达无关（例如，如果困惑，则是惊讶和愤怒的混合）？但这是不可能的。你能做的就是有一个unknown expression类。只要您识别出unknown expression，就会保存这些信息。从所有收集到的unknown expression样本中，您可以手动或自动尝试分离新的表达簇！