基于双注意力模型和迁移学习的Apex帧微表情识别
微表情具有持续时间短、强度低的特点,其识别准确率普遍不高.针对该问题提出了一种改进的深度学习识别方法,该方法取微表情视频序列中的Apex帧,采用集成空间、通道双注意力模块的ResNetl8网络,引入Focal Loss函数解决微表情数据样本不平衡的问题,并将宏表情识别领域的先验知识迁移到微表情识别领域,以提高识别效果.在CASME Ⅱ微表情数据集上使用"留一交叉验证法"进行实验,结果表明本文方法相比一些现有的方法识别准确率及F1值更高.
微表情识别;深度学习;Apex帧;双注意力模型;ResNet18网络;Focal Loss函数;宏表情;迁移学习
16
TP391(计算技术、计算机技术)
国家自然科学基金项目;江苏省"六大人才高峰"高层次人才项目
2021-12-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
1015-1020