愤怒与厌恶在外观上接近，复合表情也未必能归入一个确定类别。CLEX讨论这类标注问题时，将重点放在分类器输出：观测标签不可靠，训练仍须保留目标监督，但其余类别的响应不应缺少约束。全文的交换与互补学习，都是围绕这组非目标响应展开的。
| 1 | 论文来源 |
【论文标题】
CLEX: Complementary Label Exchange Learning for Noisy Facial Expression Recognition
【论文作者】
Lin Wang、Fang Liu、Xiaofen Xing、Kailing Guo、Xiangmin Xu。
【论文地址】
https://openaccess.thecvf.com/content/CVPR2026/html/Wang_CLEX_Complementary_Label_Exchange_Learning_for_Noisy_Facial_Expression_Recognition_CVPR_2026_paper.html
【论文源码】
截至2026年10月14日，未核实到作者官方代码仓库；论文页与原文未提供可确认的源码链接。
【论文等级】
CVPR 2026主会正式论文，CCF-A，2026年6月发表，10577-10586页。
| 2 | 论文背景 |
自然场景表情识别的困难不全来自画面。复合表情、相近类别和标注者分歧，也会使标签变得不可靠。这里须区分标注错误与表情歧义：同一张脸存在不同解释，不一定只是某位标注者“标错了”。
已有方法通过筛选样本、修正标签或约束增强前后的预测来缓解问题，但困难样本与错标签样本并不容易区分。本文研究的是静态人脸表情分类，不直接推断人的内在情绪。
| 3 | 方法动机 |
观测标签即使有误，模型仍会受到交叉熵的推动，对这个类别给出更高概率。作者因此关注非目标预测：在原图和增强图之间交换部分非目标响应，再施加互补约束。
“非目标”按观测标签定义，并非已经知道哪些类别一定错误。方法不删除样本，也不直接替换标注，而是改变网络输出接受约束的方式。
| 4 | 论文方法 |
4.1 双视图与非目标logit交换
原图与增强图经过共享骨干和分类器，分别输出softmax之前的logit。随机选取部分非目标坐标，两路互换这些数值；观测目标类别的坐标保持不变。交换的是输出，不是标签。
Figure 1：CLEX整体框架，含非目标输出交换、归一化及三项训练损失
4.2 尺度不变归一化
交换后的logit除以其Lp范数，减少整体数值尺度对后续约束的影响。默认p=3；这一步处理logit尺度，不是对训练标签做归一化。
4.3 随机保留的互补监督
归一化后通过softmax得到概率，在随机保留的非目标类别上计算互补抑制损失CSL。参数d表示不参与该损失的非目标坐标数，默认d=1，不表示删除一个训练样本。
4.4 联合训练与单路推理
总损失为CSL+λ₁CE+λ₂AC。CE监督交换前的预测；AC约束几何对齐后的类别注意力图。默认λ₁=0.4、λ₂=2。推理仅保留原图一次前向，不执行交换。
| 5 | 实验结果 |
骨干为MS-Celeb-1M预训练的ResNet-18，训练60轮。消融、参数分析与可视化均采用RAF-DB的30%标签噪声设置；准确率差值以下均用“百分点”表示。
5.1 合成标签噪声下的比较
为什么做：检查不同噪声比例下的识别性能。
对应图表：Table 1。
实验结果：在三个数据集上分别随机翻转10%、20%、30%的训练标签。30%时，RAF-DB、AffectNet、FERPlus准确率为87.11±0.08%、63.87±0.31%、87.12±0.09%，比NLA高0.40、1.39、0.15个百分点。原文正文将中间差值写成1.21，本文按表计算。
实验结论：九组结果支持该方法对均匀翻转噪声的鲁棒性。对手结果沿用NLA论文，并非全部重新训练；0.40和0.15个百分点的领先，也不应直接写成统计显著。
Table 1：三个表情数据集在10%、20%、30%合成标签噪声下的准确率
5.2 真实标签噪声
为什么做：随机翻转指定比例的标签，不能还原自动标注产生的错误。作者另用AffectNet Auto检验这一差别。
对应图表：Table 2。
实验结果：CLEX为58.76±0.21%，EAC、NLA为57.68%、56.94%，分别提升1.08、1.82个百分点。后两项使用官方代码复现；SCN、DMUE、MTAC的结果则取自MTAC论文，来源口径须分开。
实验结论：这张表补充了自动标注数据上的证据。它回答的是AffectNet Auto这一设置是否有效，并没有覆盖全部真实噪声分布。
Table 2：AffectNet Auto真实噪声条件下的准确率比较
5.3 模块消融
为什么做：区分不同训练约束的贡献。
对应图表：Table 3。
实验结果：CE为81.36%；加AC为84.94%；CE+Norm+CSL为84.73%；再组合AC为85.47%；加入交换NTX后为87.35%。最后一步提升1.88个百分点。
实验结论：交换在已有约束上带来增益。表中(b)至(d)同时增加Norm和CSL，不能单独归因于Norm；本表87.35%也不能替换Table 1的87.11%。
Table 3：RAF-DB、30%对称噪声下的五种模块组合
5.4 交换多少个坐标
为什么做：检查交换范围是否越大越好。
对应图表：Figure 2(a)。
实验结果：交换2或3个坐标优于只交换1个，继续扩大未持续提高准确率。
实验结论：适度交换较好；七分类任务默认交换率0.5对应3个非目标坐标。
Figure 2(a)：不同非目标交换范围的测试准确率曲线
5.5 归一化阶数
为什么做：确定Lp归一化中的p。
对应图表：Figure 2(b)。
实验结果：p=1的曲线较低，p=3在训练后期表现较好，被设为默认值。
实验结论：阶数影响性能；参数曲线本身不能证明作者提出的几何解释。
Figure 2(b)：不同Lp归一化阶数的测试准确率曲线
5.6 丢弃多少个非目标坐标
为什么做：检验互补监督的随机保留策略。
对应图表：Figure 2(c)。
实验结果：d=1较好；不丢弃的d=0和只保留少量坐标的d=5均较弱。
实验结论：该设置支持适度丢弃，不支持无限减少监督坐标。
Figure 2(c)：不同非目标坐标丢弃数量的测试准确率曲线
5.7 损失权重
为什么做：检查CE、AC权重的影响。
对应图表：Figure 3。
实验结果：λ₁在0.2-0.4区间较好，λ₂=2时表现最好；默认取0.4和2。
实验结论：权重存在较好区间，增大并非总有益。阴影为五次运行标准差，不是显著性检验。
Figure 3：交叉熵和注意力一致性损失权重的敏感性分析
5.8 特征可视化
为什么做：观察分类性能对应的特征分布。
对应图表：Figure 4。
实验结果：相比CE和EAC，CLEX的t-SNE投影中类别重叠更少，类内聚集更集中。
实验结论：图中分布与较好的分类表现一致；二维投影不构成高维可分性的严格证明。
Figure 4：CE、EAC、CLEX在RAF-DB上的t-SNE特征投影
5.9 预测概率分布
为什么做：检查模型是否仍对噪声样本给出高概率。
对应图表：Figure 5。
实验结果：CE的干净与噪声样本在高概率区域重叠；CLEX中橙色噪声样本更多集中在低概率区域。
实验结论：噪声样本的高概率响应减少，但该直方图不等于概率校准评价。
Figure 5：训练样本的预测概率分布，蓝色为干净数据，橙色为噪声数据
5.10 非表情分类任务扩展
为什么做：检验方法是否仅适用于表情数据。
对应图表：Table 4。
实验结果：30%对称/非对称噪声下，CIFAR-10为85.10±0.14%/82.94±0.18%，CIFAR-100为53.42±0.44%/53.23±0.25%，四列均值均高于表中EAC和NLA。
实验结论：支持向这两项带噪分类任务扩展，不是跨域情绪识别的验证。
Table 4：CIFAR-10、CIFAR-100在30%对称与非对称噪声下的准确率
| 6 | 结论 |
CLEX针对带噪标签的人脸表情识别，将非目标logit交换、Lp归一化和互补抑制结合，并以交叉熵及注意力一致性辅助训练。三个表情数据集的合成噪声比较、AffectNet Auto真实噪声实验、模块及参数分析、特征与预测可视化，以及CIFAR分类扩展，构成了论文的主要验证。其训练采用双视图，推理仍为单路前向。
