| 结合空间注意力机制与光流特征的微表情识别方法 |
| |
| 引用本文： | 刘德志,梁正友,孙宇.结合空间注意力机制与光流特征的微表情识别方法[J].计算机辅助设计与图形学学报,2021,33(10):1541-1552. |
| |
| 作者姓名： | 刘德志 梁正友 孙宇 |
| |
| 作者单位： | 广西大学计算机与电子信息学院 南宁 530004;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 |
| |
| 摘 要： | 针对微表情运动的局部性问题,提出一种将深度学习的空间注意力机制与微表情光流特征相结合的微表情识别自动方法.首先,采用帧差法识别缺少峰值帧标记的微表情样本的峰值帧;然后,利用TV-L1光流法提取微表情起始帧与峰值帧之间的光流水平、垂直分量图,并根据光流的水平、垂直分量图导出对应的光流应变模式图;将3个光流图以通道叠加的方式连接起来,构成微表情的光流特征图;最后,在Inception模块搭建的卷积神经网络中设计了一种包含可学习参数的空间注意力单元,使模型在特征提取过程中能够更加关注存在微表情运动的区域.在空间注意力单元中利用3?3和7?7这2种大小的卷积核进行空间注意力的推断,使模型能够综合地考虑不同尺度卷积核的注意力推断结果.实验结果表明,该方法在MEGC2019综合微表情数据集上的识别准确率达到0.788,优于已有的微表情识别方法.
|
| 关 键 词： | 微表情识别 深度学习 空间注意力机制 光流法 卷积神经网络 情绪分类 |
Micro-Expression Recognition Method Based on Spatial Attention Mechanism and Optical Flow Features |
| |
| Liu Dezhi,Liang Zhengyou,Sun Yu.Micro-Expression Recognition Method Based on Spatial Attention Mechanism and Optical Flow Features[J].Journal of Computer-Aided Design & Computer Graphics,2021,33(10):1541-1552. |
| |
| Authors: | Liu Dezhi Liang Zhengyou Sun Yu |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
