丰富的长期经常性卷积网络.pdfVIP

下载本文档

1
0
约8.37千字
约 17页
2021-11-16 发布于江苏
举报
版权申诉

丰富的长期经常性卷积网络.pdf

此“经济”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

摘要面部微观表情（ME ）的识别对于研究人员在运动和有限数据库中的细微处理造成巨大挑战。最近，人工技术已经在微型表达识别中取得了优异的性能，但是以区域特异性和繁琐的参数调谐为代价。在本文中，我们提出了一个丰富的长期递归卷积网络（ELRCN ），首先通过 CNN 模块将每个微表情帧编码成特征向量，然后通过将特征向量通过一个长-短期记忆（LSTM ）模块。该框架包含两种不同的网络变体：（1 ）空间富集的输入数据的通道叠加（2 ）用于时间富集的特征的功能性叠加。我们证明所提出的方法能够实现合理的良好性能，而不需要数据增强。