.png){kind=icon}
返回
Parallel Spatiotemporal Network to recognize micro-expression
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.129891.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
微表情是短暂的自发面部表情，常见于高风险场景中，并反映人类的心理状态。因此，它是谎言检测的关键线索之一。此外，由于微表情持续时间短暂，时间信息对于微表情识别至关重要。本文提出了一种并行时空网络（PSN）用于识别微表情。所提出的PSN包括一个空间子网络和一个时间子网络。空间子网络是一个以细微运动信息作为输入的浅层网络。而时间子网络是一个具有新颖时间特征提取单元的网络，用于提取微表情的稀疏时间特征。最后，我们提出了一种使用1×1卷积核的逐元素相加融合模型来融合空间和时间特征。所提出的PSN在包含CASME、CASME II、CAS(ME)2和SAMM的基准数据集上，其测量指标（如识别率、F1分数、真正例率和真负例率）优于其他当前先进方法。
Keyword:
Micro-expression recognition
Deep learning
Sparse features
Affective analysis
Lie detection
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
Multi-scale active patches fusion based on spatiotemporal LBP-TOP for micro-expression recognition
PREAI
分享收藏
分享收藏Spontaneous facial micro-expression analysis using Spatiotemporal Completed Local Quantized Patterns.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏
查看更多内容