返回
3D Micro-Expression Recognition Based on Adaptive Dynamic Vision
DOI:10.3390/s25103175.png)
摘要
En 中文
在智能感知研究领域,动态情感识别近年来已成为研究焦点。样本量小和数据不平衡是当前技术识别准确率低的主要原因。受循环卷积网络的启发,本文创新性地提出了一种基于自监督学习的自适应动态微表情识别算法,即MADV-Net。首先,使用精确标签数据对基础模型进行预训练,然后采用高效的面部运动编码器嵌入面部编码单元标签。最后,通过多级自适应动态编码器构建级联金字塔结构,并使用多级头感知器作为分类损失函数的输入,以计算动态视频流中的面部微运动特征。本研究在开源数据集SMIC、CASME-II、CAS(ME)2和SAMM上进行了大量实验。与13种主流SOTA方法相比,MADV-Net的平均识别准确率分别为72.87%、89.94%、83.32%和89.53%。该方法稳定的泛化能力得到验证,为自动情感识别提供了新的研究范式。
Keyword:
deep learning
intelligent perception
micro-expression recognition
emotion classification
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
MLSS: Mandarin English Code-Switching Speech Recognition Via Mutual Learning-Based Semi-Supervised MethodMLSS: 基于互学习半监督方法的普通话英语语码转换语音识别
Enhanced spatial-temporal learning network for dynamic facial expression recognition用于动态面部表情识别的增强型时空学习网络
Using 3D-VGG-16 and 3D-Resnet-18 deep learning models and FABEMD techniques in the detection of malware使用3D-VGG-16和3D-Resnet-18深度学习模型和FABEMD技术检测恶意软件
LibreFace: An Open-Source Toolkit for Deep Facial Expression AnalysisLibreFace:一个用于深度面部表情分析的开放源代码工具包

