Occlusion Aware Facial Expression Recognition Using CNN With Attention Mechanism（2019 TIP）
為什麼有這篇文章（motivation）？
作者認為人臉不不同的region對FER（人臉表情識別）的貢獻是不同的，所以作者把人臉裁剪為patch的形式（利用關鍵點得到24個patch），計算每個patch對FER的貢獻度（利用attention）。但是local patch可能會漏掉一些有用的資訊，所以作者提出了global ACNN，對local ACNN獲得的資訊作為補充。
怎麼做？(僅記載local patch部分，global與local操作一樣)
將local patch中的512x6x6的feature map轉換為一個unweighted的特徵向量
表示第i個patch的沒有被遮擋的程度，值越大，說明該patch沒有被遮擋，表示Attention Net操作, consisting a pooling operation, one convolution
表示每個loacl patch帶有權重的feature map.
文中有一句：Through the end-to-endtraining of the overall pACNN, these PG-Units can automatically learn low weights for the occluded parts and high weights for the unblocked and discriminative parts.其中automatically learn = adaptive learning指的是通過最後的softmax來自適應的學習權重。（個人理解，如有錯誤，請指正！！！）
總結：
1. 本文用的是local patch+ global相結合的方式，並且對local 和global都使用attention對其feature map的向量加權。
2. 但是文章中的Attention net為啥就能對每個local patch學到的權重不一樣呢？
答：是因為每一個的local patch的feature map是不同的，所以經過Attention net（每個local pach經過的Attention net的設計模組都是一樣的哦）的之後得到不同的權值（權值為標量）【個人理解】
3. 單獨考慮local patch對FER的貢獻度，沒有考慮local patch之間的correaltion對FER的影響。比如人微笑的時候，眉毛，眼睛，嘴巴都呈現彎曲的狀態。