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
您可能关注的文档
最近下载
- 大众进口途观途威Tiguan 2011-2016用户手册说明书.pdf VIP
- 游乐设施安全评估报告(格式).pdf VIP
- AI宏观系列分析报告:AI重塑生产函数.pdf VIP
- 2026年全国成人高考专升本《政治》真题试卷和答案(完整版).docx VIP
- 西华大学811机械设计13-19年真题.pdf VIP
- (正式版)DB37∕T 4556-2022 《普通国省道公路工程技术规范》.docx VIP
- 史上最全的中级导游考试真题及模拟题_做完必过。(1)[推荐].doc VIP
- 中药饮片的储存与养护基本知识.pptx VIP
- 2026年财政部高层次财会人才选拔考试全真冲刺试题及答案.docx VIP
- 《海军概况》网课章节测试题答案.docx VIP
原创力文档

文档评论(0)