本文提出了一種基於四元組交叉相似度（QCS）的人臉表情識別特徵優化網路，透過挖掘同類別圖像間的相似特徵並分離不同類別圖像間的冗餘特徵，提升人臉表情識別模型的效能。
本文提出了一種名為 ARBEx 的新型注意力特徵提取框架，該框架採用視覺Transformer 和可靠性平衡機制，旨在解決人臉表情學習（FEL）任務中普遍存在的類別分佈不均、偏差和不確定性等問題，從而實現更穩健的人臉表情識別。
