.png){kind=icon}
返回
LibEER: A Comprehensive Benchmark and Algorithm Library for EEG-Based Emotion Recognition
.png){kind=icon}
PRE
AI
DOI：10.1109/TAFFC.2025.3605833.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于脑电图的情绪识别（EER）因其理解与分析人类情绪的潜力而获得了广泛关注。尽管深度学习技术的最新进展已显著提升EER性能，但该领域缺乏令人信服的基准和全面的开放源代码库。这种缺失使得模型间难以进行公平比较，并给从业者带来可重复性挑战，这些因素共同阻碍了该领域的发展。为解决这些问题，我们介绍了LibEER，这是一个全面的基准和算法库，旨在促进EER领域的公平比较。LibEER精心筛选了流行且强大的基线模型，统一了各方法的关键实现细节，并提供了一个标准化的PyTorch代码库。通过提供一致的评价框架和标准化的实验设置，LibEER能够对六个最广泛使用的数据集上的十七个代表性深度学习模型进行EER的公平评估。此外，我们进行了全面且可重复的模型性能与效率比较，为研究人员选择和设计EER模型提供有价值的见解。再者，我们对实验结果进行了观察与深入分析，并识别出该社区当前面临的挑战。我们希望我们的工作不仅能降低新进入者对基于脑电图的情绪识别的入门门槛，还能促进该领域研究的标准化，推动其稳步发展。
Keyword:
Benchmark
EEG-based emotion recognition
fair comparison
open source library
期刊
IF:
9.8
论文数:
1.4K
被引数:
9.1K
机构
查看更多机构
引用论文
暂无论文信息