检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

结合光流融合特征与自监督学习的微表情识别

重庆邮电大学学报(自然科学版) 2024年

作者：张家波徐光辉高洁重庆邮电大学通信与信息工程学院

针对微表情样本数目少且难以找到其光流融合特征对应源域的问题，提出了基于自监督学习的微表情识别方法。该方法包括自监督对比学习阶段和分类阶段。从微表情运动幅度低的特点出发，设计了双端运动信息提取策略，自监督对比学习阶段，... 详细信息

针对微表情样本数目少且难以找到其光流融合特征对应源域的问题，提出了基于自监督学习的微表情识别方法。该方法包括自监督对比学习阶段和分类阶段。从微表情运动幅度低的特点出发，设计了双端运动信息提取策略，自监督对比学习阶段，设计了Inception结构结合瓶颈注意模块的特征提取网络以学习到丰富的特征表示；分类阶段，利用余弦距离引入宏表情的光流融合特征，与微表情光流融合特征分支相结合以补充运动信息。在CASMEII和SAMM数据集上进行实验，识别精度分别达到0.7349、0.5808。实验结果表明，提出方法与基线方法和其他先进方法相比可以获得良好的识别性能。

关键词：微表情识别光流融合特征自监督学习余弦距离

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

改进残差网络与峰值帧的微表情识别

重庆工商大学学报（自然科学版） 2024年第1期41卷 21-29页

作者：任宇陈新泉王岱嵘陈新怡安徽工程大学计算机与信息学院安徽芜湖241000

目的微表情(Micro Expression,ME)是人们流露内心情感时展现出的细微面部表情。针对微表情识别的样本较少且不同类别数量分布不均导致难以识别和识别准确率较低的问题,提出能够提高微表情识别准确率的模型框架。方法提取微表情视频序列... 详细信息

目的微表情(Micro Expression,ME)是人们流露内心情感时展现出的细微面部表情。针对微表情识别的样本较少且不同类别数量分布不均导致难以识别和识别准确率较低的问题,提出能够提高微表情识别准确率的模型框架。方法提取微表情视频序列中含有更多关键表情信息的峰值帧;使用加入SE模块的改进残差网络SE-ResNeXt-50对微表情的峰值帧进行特征提取,其中SE模块可以更好地学习特征中的关键信息,ResNeXt通过分组卷积的方式用稀疏结构取代密集结构从而使结构更加简化,提升了识别效率。与此同时,使用Focal Loss损失函数可以更好地解决因微表情数据的不平衡带来的模型性能问题。结果在微表情数据集CASMEⅡ上进行了仿真实验,可以发现改进的残差网络与峰值帧提高了微表情识别的准确率与F 1值。结论改进的残差网络与峰值帧可以降低数据集较少所带来的影响,使模型有着良好的拟合效果,同时改善了在不同类别上表现差异较大的问题,提升了微表情的识别准确率,对于微表情识别有着更好的识别性能。

关键词：微表情识别残差网络峰值帧深度学习

在线全文

学校读者我要写书评

暂无评论

时空关联与图注意力引导的微表情识别网络

河北工业大学学报 2024年第3期53卷 29-40页

作者：于洋王晓民岑世欣李扬孙芳芳河北工业大学人工智能与数据科学学院天津300401 天津市农业科学院信息研究所天津300192

微表情作为典型非自发表情可以揭示人类的真实意图,在公安测谎、情感识别以及医学辅助诊断等领域有着重要的应用。现有微表情识别方法主要关注面部局部区域肌肉运动,往往忽略了与微表情产生相关的全局区域关联性。针对上述问题,提出基... 详细信息

微表情作为典型非自发表情可以揭示人类的真实意图,在公安测谎、情感识别以及医学辅助诊断等领域有着重要的应用。现有微表情识别方法主要关注面部局部区域肌肉运动,往往忽略了与微表情产生相关的全局区域关联性。针对上述问题,提出基于时空区域关联与图注意力引导的微表情识别网络。网络由时空关联模块和图注意力模块组成,时空关联模块利用AU结合时空图卷积聚合面部全局区域不同节点的时空特征,并使用Transformer Encoder进一步构建面部远距离节点间的区域相关性,用以加强全局区域间的时空联系。图注意力模块以面部局部区域为基础建立图结构,并指导自注意力的运算,从而获得精确的局部区域关联特征。最后将全局时空和局部关联特征相融合用于微表情的识别。在CASME、CASME II、SAMM 3个主流的微表情数据集上进行了实验,分别取得了82.46%、86.59%和80.88%的优秀识别结果。实验结果表明,本文提出的方法与其他方法相比有更好的表现。

关键词：微表情识别 VisionTransformer AU动作单元时空图卷积自注意力

在线全文

学校读者我要写书评

暂无评论

基于双支流神经网络的微表情识别

科技与创新 2024年第12期 40-42页

作者：黎曦聂润蒲范国文武汉工程大学电气信息学院湖北武汉430205

微表情具有持续时间短等特点,制约了微表情识别的研究。针对微表情发生的局部性和人脸面部结构信息丢失问题,以Transformer和卷积神经网络作为并行分支,提出一种基于Swin Transformer和卷积神经网络ConvNeXt双支流神经网络(Transformer ... 详细信息

微表情具有持续时间短等特点,制约了微表情识别的研究。针对微表情发生的局部性和人脸面部结构信息丢失问题,以Transformer和卷积神经网络作为并行分支,提出一种基于Swin Transformer和卷积神经网络ConvNeXt双支流神经网络(Transformer and ConvNeXt dual branch neural network,STCN)的微表情识别方法。同时获得描述细节信息和宏观信息的质量表征,提高识别精度。基于SMIC等数据集测试,表明STCN网络可有效提高微表情识别的准确率。

关键词：微表情识别局部感知长距离关系捕获光流特征

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于双路特征和混合注意力的微表情识别

无线电工程 2024年第3期54卷 615-622页

作者：袁博薛珮芸白静师同同太原理工大学信息与计算机学院山西太原030024 山西高等创新研究院山西太原030032

人脸面部微表情是一种快速而微妙的变化动作,为了更好地提取到微表情的运动特征,提出一种基于差分图像序列的微表情特征提取算法,可以有效地提取到微表情帧序列与起始帧之间的运动特征。为了提高微表情识别的准确率,提出了一种融合通道... 详细信息

人脸面部微表情是一种快速而微妙的变化动作,为了更好地提取到微表情的运动特征,提出一种基于差分图像序列的微表情特征提取算法,可以有效地提取到微表情帧序列与起始帧之间的运动特征。为了提高微表情识别的准确率,提出了一种融合通道注意力和空间注意力的混合注意力模型,该模型可以很好地提取到微表情的关键特征,并且减少无用特征对微表情情绪识别结果的影响。将微表情的光流特征和差分图像序列特征分为两路送入混合注意力机制模型中,对模型进行训练并得到最终识别结果。在CASMEⅡ、SMIC(HS)、SAMM和MEGC2019数据集上的实验结果表明,使用双路特征比单一特征未加权平均召回率(Unweighted Average Recall, UAR)和未加权F1得分(Unweighted F1-score, UF1)均提升了2%以上,使用混合注意力机制比不使用注意力机制的UAR和UF1均提升了10%以上。

关键词：微表情识别光流特征差分图像注意力机制神经网络

CBFaceNet基于双注意力机制的微表情识别网络

在线全文

学校读者我要写书评

暂无评论

软件 2024年第2期45卷 107-110页

作者：李伟男哈尔滨师范大学黑龙江哈尔滨150000

微表情识别在学生课堂、医疗等方面都发挥着重要作用。现有的微表情识别模型技术大多使用传统的特征学习方法进行特征提取,但是传统的特征学习方法识别率不高,而深度学习的方法会产生大量的运行参数。因此,提出一种轻量级的微表情识别方... 详细信息

微表情识别在学生课堂、医疗等方面都发挥着重要作用。现有的微表情识别模型技术大多使用传统的特征学习方法进行特征提取,但是传统的特征学习方法识别率不高,而深度学习的方法会产生大量的运行参数。因此,提出一种轻量级的微表情识别方法,称为CBFaceNet。该模型可以实现端到端的检测,适合应用于资源有限的移动设备。在提出的模型中,融合三维注意力机制simAM增强模型对微表情关键部位特征的提取,并且能够降低模型参数。在模型中插入通道和空间注意力模块CBAM,使提取的面部特征更加丰富,同时,采用混合损失函数测试该模型。在SMIC微表情数据集中将CBFaceNet与其他模型进行比较,实验结果表明,CBFaceNet在识别精度、复杂度和模型参数方面都有着优越的性能。

关键词：卷积神经网络微表情识别轻量级结构注意力机制

在线全文

学校读者我要写书评

暂无评论

基于STA-LSTM的自发微表情识别算法

吉林大学学报（工学版） 2022年第4期52卷 897-909页

作者：李大湘陈梦思刘颖西安邮电大学通信与信息工程学院西安710121 西安邮电大学电子信息现场勘验应用技术公安部重点实验室西安710121

针对目前多数人心理状态处于亚健康的问题,设计了一种基于时空注意力的双向长短时记忆(LSTM)网络,以实现微表情图像特征提取及识别,从而了解人们试图掩饰的情绪。该网络由双向LSTM模块、空间注意力模块及时间注意力模块三大部分组成。... 详细信息

针对目前多数人心理状态处于亚健康的问题,设计了一种基于时空注意力的双向长短时记忆(LSTM)网络,以实现微表情图像特征提取及识别,从而了解人们试图掩饰的情绪。该网络由双向LSTM模块、空间注意力模块及时间注意力模块三大部分组成。将微表情视频图像作为输入,所学习的网络能够有选择性地聚焦于每帧有显著区别的动作单元,并对不同帧给予不同程度的关注度。同时,考虑到模块之间的相关性,还设计一个新的正则化的交叉熵损失函数,进一步优化网络。最后,在CASME、CASMEⅡ、CAS(ME)^(2)、SAMM四个数据集上进行了对比实验。实验结果表明,本文方法能够提高微表情识别的精度,优于其他方法。

关键词：计算机应用微表情识别长短时记忆空间注意力时间注意力

在线全文

学校读者我要写书评

暂无评论

基于S-LRCN的微表情识别算法

工程科学学报 2022年第1期44卷 104-113页

作者：李学翰胡四泉石志国张明北京科技大学计算机与通信工程学院北京100083 北京科技大学顺德研究生院佛山528399 北京市大数据中心北京100101 电子科技大学通信与信息工程学院成都611731

基于面部动态表情序列,针对静态表情缺少时间信息等问题,将空间特征与时间特征融合,利用神经网络在图像分类领域良好的特征,对需要进行细节分析的表情序列进行处理,提出基于分离式长期循环卷积网络(Separate long-term recurrent convol... 详细信息

基于面部动态表情序列,针对静态表情缺少时间信息等问题,将空间特征与时间特征融合,利用神经网络在图像分类领域良好的特征,对需要进行细节分析的表情序列进行处理,提出基于分离式长期循环卷积网络(Separate long-term recurrent convolutional networks,S-LRCN)的微表情识别方法.首先选取微表情数据集提取面部图像序列,引入迁移学习的方法,通过预训练的卷积神经网络模型提取表情帧的空间特征,降低网络训练中过拟合的危险,并将视频序列的提取特征输入长短期记忆网络(Long short-team memory,LSTM)处理时域特征.最后建立学习者表情序列小型数据库,将该方法用于辅助教学评价.

关键词：微表情识别时空特征长期递归卷积网络长短期记忆网络教学评价

结合迁移学习与可分离三维卷积的微表情识别方法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2022年第1期48卷 228-235页

作者：梁正友刘德志孙宇广西大学计算机与电子信息学院南宁530004 广西多媒体通信与网络技术重点实验室南宁530004

针对现有微表情自动识别方法准确率较低及微表情样本数量不足的问题,提出一种融合迁移学习技术与可分离三维卷积神经网络(S3D CNN)的微表情识别方法。通过光流法提取宏表情和微表情视频样本的光流特征帧序列,利用宏表情样本的光流特征... 详细信息

针对现有微表情自动识别方法准确率较低及微表情样本数量不足的问题,提出一种融合迁移学习技术与可分离三维卷积神经网络(S3D CNN)的微表情识别方法。通过光流法提取宏表情和微表情视频样本的光流特征帧序列,利用宏表情样本的光流特征帧序列对S3D CNN进行预训练,并采用微表情样本的光流特征帧序列微调模型参数。S3D CNN网络由二维空域卷积层及添加一维时域卷积层的可分离三维卷积层构成,比传统的三维卷积神经网络具有更好的学习能力,且减少了模型所需的训练参数和计算量。在此基础上,采用迁移学习的方式对模型进行训练,以缓解微表情样本数量过少造成的模型过拟合问题,提升模型的学习效率。实验结果表明,所提方法在CASME II微表情数据集上的识别准确率为67.58%,高于MagGA、C3DEvol等前沿的微表情识别算法。

关键词：微表情识别深度学习卷积神经网络迁移学习光流法