基于时空注意力机制的分部图卷积网络在步态情绪识别中的应用.docxVIP

基于时空注意力机制的分部图卷积网络在步态情绪识别中的应用

目录

一、内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1步态情绪识别的意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2当前步态情绪识别面临的问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

研究目的与内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

二、时空注意力机制概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

注意力机制简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

1.1传统注意力机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

1.2时空注意力机制的特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

时空注意力机制在计算机视觉中的应用现状．．．．．．．．．．．．．．．．．10

三、分部图卷积网络原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

图卷积网络基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.1图的基本概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.2图卷积操作原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

分部图卷积网络结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

2.1分部的概念．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

2.2分部图卷积网络的独特优势．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

四、基于时空注意力机制的分部图卷积网络构建．．．．．．．．．．．．．．．．16

模型架构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

1.1输入层设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

1.2隐藏层结构安排．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

关键参数设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

2.1学习率的选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

2.2正则化参数设定．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

训练方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

3.1数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

3.2损失函数定义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

五、在步态情绪识别中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

步态数据集介绍．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

1.1常见步态数据集特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

1.2数据集预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

应用流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

2.1数据输入模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28

2.2输出结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

实验结果与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

3.1准确率评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

3.2不同场景下的表现对比．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

六、结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．