丰富的长期经常性卷积网络.docx

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。此外,我们还介

文档评论(0)

1亿VIP精品文档

相关文档