检索结果-南通市图书馆

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

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

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

在线全文

学校读者我要写书评

暂无评论

双流时间域信息交互的微表情识别卷积网络

计算机科学与探索 2022年第4期16卷 950-958页

作者：朱伟杰陈莹江南大学轻工过程先进控制教育部重点实验室江苏无锡214122

目前主流的深度学习方法用于微表情识别存在实验数据非常稀缺的问题,导致神经网络在学习的过程中知识获取有限进而难以提升精度。针对目前存在的问题,提出双流网络时间域信息交互的微表情识别方法,构建了双流时间域信息交互卷积神经网络... 详细信息

目前主流的深度学习方法用于微表情识别存在实验数据非常稀缺的问题,导致神经网络在学习的过程中知识获取有限进而难以提升精度。针对目前存在的问题,提出双流网络时间域信息交互的微表情识别方法,构建了双流时间域信息交互卷积神经网络(DSTICNN),网络对微表情序列进行处理,进而实现微表情自动识别。该算法通过改进深度互学习策略引导网络学习同一图像序列的不同时间域信息,来提高最终的识别率。算法基于不同时间尺度构建DSTICNN32和DSTICNN64,在训练阶段改良了深度互学习的损失函数。同时,在两流网络接近决策层的特征图加上了均方差损失,最终由交叉熵损失、JS散度损失和均方差损失来共同监督训练,使得两流网络互相学习加强,提高各自预测样本的能力。算法在CASMEⅡ、SMIC数据库上进行了实验,结果表明该算法能有效提高微表情识别率,CASMEⅡ数据库上提高6.83个百分点,SMIC数据库上提高1.65个百分点,整体算法优于现有算法。

关键词：深度学习双流时间域信息交互微表情识别深度互学习

在线全文

学校读者我要写书评

暂无评论

双通道动静态特征的微表情识别

小型微型计算机系统 2023年第7期44卷 1500-1507页

作者：陈庄赵源罗颂丘嘉豪重庆理工大学计算机科学与工程学院重庆400054

微表情识别是情感识别领域的一项关键任务,其目的是分析人们隐藏的真实情感.针对微表情识别中微表情视频帧冗余、微表情幅度变化微弱和微表情持续时间短的问题,导致无法有效在微表情视频中提取有效特征,从而降低微表情识别的精度与速度... 详细信息

微表情识别是情感识别领域的一项关键任务,其目的是分析人们隐藏的真实情感.针对微表情识别中微表情视频帧冗余、微表情幅度变化微弱和微表情持续时间短的问题,导致无法有效在微表情视频中提取有效特征,从而降低微表情识别的精度与速度,提出一种动态特征与静态特征结合的微表情识别方法.首先将视频动态信息压缩为残差积减少帧冗余,提高模型预测速度,然后分别使用稀疏卷积和深度可分离卷积提取动态特征和静态特征,并利用多阶段自适应特征融合的方式充分结合动态特征与静态特征,最后通过标签平滑损失函数提高模型泛化能力.实验结果表示,动态特征与静态特征的结合有效地提高了微表情识别的精度.在MEGC2019的评估标准下,混合数据集的UF1值提高了0.035,UAR值提高了0.045.

关键词：微表情识别稀疏卷积深度可分离卷积动静态特征融合深度学习

融合LBP与并行注意力机制的微表情识别方法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2023年

作者：李帅超李明泽孙嘉傲卢树华中国人民公安大学信息网络安全学院公安部安全防范技术与风险评估重点实验室

针对面部微表情变化强度弱、背景噪声干扰及特征区分度较小等问题，提出了一种融合LBP与并行注意力机制的微表情识别网络。该网络将RGB图像输入密集连接改进的Shuffle Stage分支提取面部全局特征，增强上下文语义信息关联；将LBP图像输... 详细信息

针对面部微表情变化强度弱、背景噪声干扰及特征区分度较小等问题，提出了一种融合LBP与并行注意力机制的微表情识别网络。该网络将RGB图像输入密集连接改进的Shuffle Stage分支提取面部全局特征，增强上下文语义信息关联；将LBP图像输入多尺度分层卷积神经网络构成的局部纹理特征分支，提取细节信息；双分支特征提取后，在网络后端引入并行注意力机制提高特征融合能力，抑制背景干扰，专注微表情特征兴趣区域；所提方法在CASME、CASME II和SMIC等3个公开数据集上进行了测试，识别准确率分别达到了85.18%、74.53%和81.19%；实验结果表明，所提方法有效提高了微表情识别准确率，优于当前诸多先进方法。

关键词：微表情识别密集连接 Shuffle Stage分支多尺度分层卷积并行注意力机制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多通道运动特征融合的微表情识别方法

计算机辅助设计与图形学学报 2021年第9期33卷 1457-1465页

作者：佘文祥刘斌陶建华张昊吕钊安徽大学多模态认知计算安徽省重点实验室合肥230601 中国科学院自动化研究所模式识别国家重点实验室北京100190

针对已有的微表情识别中由于微表情变化幅度不明显,导致细微特征容易在学习过程中丢失,从而使模型的性能受到限制的问题,提出一种基于运动特征的微表情识别方法.首先分析变化幅度相对明显的区域对微表情识别的影响,根据生理学研究对微... 详细信息

针对已有的微表情识别中由于微表情变化幅度不明显,导致细微特征容易在学习过程中丢失,从而使模型的性能受到限制的问题,提出一种基于运动特征的微表情识别方法.首先分析变化幅度相对明显的区域对微表情识别的影响,根据生理学研究对微表情变化相对活跃区域进行局部切割,并使用并行神经网络分别对局部区域和全局区域提取特征;然后采用一种能够提取特征级运动信息的运动特征提取模块从空间特征图中学习到运动特征,将运动特征和空间特征进行聚合,以减少细微特征的丢失;最后将局部特征和全局的聚合特征组合成新的混合特征用于微表情识别.实验结果表明,在MEGC 2019数据集(包含CASME II,SMIC和SAMM)上,未加权F1分数和未加权平均召回率的结果分别为81.81%和79.01%,与MEGC 2019最好的方法相比分别提高了2.96%和0.77%,该方法具有更好的识别性能.

关键词：微表情识别动作特征提取神经网络局部特征特征聚合

一种基于Bottleneck Transformer的轻量级微表情识别架构

在线全文

学校读者我要写书评

暂无评论

计算机科学 2022年第S01期49卷 370-377页

作者：张嘉淏刘峰齐佳音华东师范大学计算机科学与技术学院上海200062 华东师范大学上海智能教育研究院上海201620 华东师范大学心理与认知科学学院上海市心理健康与危机干预重点实验室上海200062 上海对外经贸大学人工智能与变革管理研究院上海201620

微表情是一种能够体现人真实情感的自发面部动作,其持续时间较短,动作幅度轻微,识别难度较大,但是有重要的研究价值。为解决微表情情感识别问题,提出了一种新型的轻量级微表情识别网络mini-AORCNN。该神经网络以顶点-起始点光流特征为输... 详细信息

微表情是一种能够体现人真实情感的自发面部动作,其持续时间较短,动作幅度轻微,识别难度较大,但是有重要的研究价值。为解决微表情情感识别问题,提出了一种新型的轻量级微表情识别网络mini-AORCNN。该神经网络以顶点-起始点光流特征为输入,结合残差卷积神经网络与视觉Transformer的相关架构,可以有效完成微表情识别任务。这一网络包含一种参数量更小的新型残差模块,并用自注意力算子替换了最后一个残差块中的卷积算子,从而实现了Bottleneck Transformer架构。这一新型微表情识别网络在中科院CASME系列数据集上经过“留一被试交叉验证”(LOSO)的检验,确定其在情感分类任务上取得了73.09%的平均召回率(UAR)以及72.25%的平均F1-Score(UF1),上述准确率评价指标与极低的参数量(39185)在与微表情领域的多种主流模型的比较中体现出了明显的优势。文中还包含了一组消融实验,确保了光学应变强度、自注意力机制和相对位置编码等设计的优越性。

关键词：微表情识别视觉Transformer 自注意力机制残差卷积神经网络可计算情感

在线全文

学校读者我要写书评

暂无评论

结合特征融合和注意力机制的微表情识别方法

计算机科学 2022年第2期49卷 4-11页

作者：李星燃张立言姚树婧南京航空航天大学计算机科学与技术学院南京211106

微表情指当人们试图隐藏或抑制自己的真实情感时,脸上出现的一种无法控制的肌肉运动。此类情绪面部表情由于具有持续时间短、动作幅度小、难以掩饰和抑制的特点,因此其识别精度受到了制约。为了应对这些挑战,文中提出一种结合特征融合... 详细信息

微表情指当人们试图隐藏或抑制自己的真实情感时,脸上出现的一种无法控制的肌肉运动。此类情绪面部表情由于具有持续时间短、动作幅度小、难以掩饰和抑制的特点,因此其识别精度受到了制约。为了应对这些挑战,文中提出一种结合特征融合和注意力机制的微表情识别方法,同时考虑了光流特征和人脸特征,通过进一步加入注意力机制来提升识别性能。该网络由3个部分组成:1)提取每个微表情片段中Onset到Apex的光流与光学应变,将垂直光流、水平光流、光学应变输入到一个浅层3DCNN中,以提取光流特征;2)以深度卷积神经网络ResNet-10为迁移模型,加入卷积注意力模块以提取人脸特征;3)将两个特征向量拼接起来进行分类。利用所提方法在3个自发微表情数据集中进行实验,结果表明,所提方法在微表情识别方面优于传统方法和现有深度学习方法。

关键词：微表情识别特征融合注意力机制深度学习迁移学习