微表情分类

最新推荐文章于 2023-09-25 11:29:12 发布
最新推荐文章于 2023-09-25 11:29:12 发布
阅读量2.8k 收藏 11
点赞数 2
文章标签： 微表情 情绪分类 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a1874738854/article/details/87277449
版权

本文主要是对论文"Micro-Attention_for_Micro-Expression_recognition"的理解与复现,不对之处,敬请指正!

 

微表情分类相对于宏表情(情绪分类)来说更加困难,主要因为1.数据集较小 2.需要定位到面部局部区域且持续时间较短,不易捕捉.

论文算法:

1.利用apex frames(峰值)影像进行微表情检测

2.利用ResNet10网络对macro表情数据集进行训练

3.对ResNet10网络添加attention units,并利用macro表情训练模型进行初始化,并进行finetune

 

整体流程图:

 attention units:

 本文对于attention units讲解并不清楚.

最对文章复现中发现,直接使用改进的ResNet8以及迁移学习也能获得70%的精度,不知道是不是自己实现的问题,添加attention units之后效果反而不好了.

wapp000
关注
基于MATLAB的微表情识别系统
03-07
在微表情识别任务中，ELM作为分类器，能够快速地学习和适应Gabor小波和PCA处理后的特征，实现对微表情的有效分类。 MATLAB作为一种强大的数值计算和图形用户界面（GUI）开发环境，为构建这样的微表情识别系统提供了...
论文笔记（微表情识别）：Micro-Attention for Micro-Expression Recognition
weixin_45440065的博客
04-25 3391
限制微表情识别准确性的两个方面： (1) 面部小局部区域微表情的存在 (2) 可用数据集大小的局限性（目前许多微表情数据集都远小于喂入网络的其他数据集，这可能会导致眼中的过拟合问题） 为此，本文提出了一种微注意力与残差网络想结合的新的注意力机制。 （此种整合可以减少参数数量） 特征工程的方法更适合离线，端到端的方法更适合快速、实时、线上的场合。 （本文运用的是基于深度学习思想的用于微表情识别的端到...
Enriched Long-term Recurrent Convolutional Network for Facial Micro-Expression Recognition阅读笔记
hfutyfl802的博客
09-26 1115
文章主要的贡献：提出了一个Enriched Long-term Recurrent Convolutional Network (ELRCN)来进行表情识别。 和其他大多数文章一样，作者先从数据上下功夫，从数据里提炼出相关物理量，第一个便是光流（好像也只有光流）。得到一个关于光流的3维的矩阵，关于光流这里就不介绍了，网上有好多文章，写的都挺好的。文章把对微表情的特征学习分为空间学习和时间学习。 ...
CVPR 2018 微表情识别论文Enriched Long-term Recurrent Convolutional Network for Facial Micro-Expression Reco...
weixin_30412577的博客
05-30 2943
paper：https://arxiv.org/abs/1805.08417 GitHub：https://github.com/IcedDoggie/Micro-Expression-with-Deep-Learning 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...
微表情识别API + c++并发服务器系统
最新发布
qq_43537701的博客
09-25 580
本项目用于检测并识别视频中人脸的微表情开源和演示都是c++版。
论文翻译（7）---Enriched Long-term Recurrent Convolutional Network for Facial Micro-Expression Recognition
想握住此生辽阔
10-26 430
地址：https://www.cnblogs.com/shirley-bhu/p/9111663.html 用于面部微表情识别的丰富长期递归卷积网络 论文地址： 链接：https://pan.baidu.com/s/19l51NVCcwq9b8H69Yrze5g 提取码：mgij GitHub：https://github.com/IcedDoggie/Micro-Expression-with-Deep-Learning 摘要 面部微表情识别因其在运动中的微妙性和有限的数据库而对研究人员提出了巨大的挑战。
微表情的研究
03-09
研究团队们开发了各种自动微表情识别系统，例如傅小兰团队的静态特征自动微表情识别系统，该系统可以自动对视频中的人脸进行识别和分类。 3. 微表情数据库的构建要求：为了更准确地识别和研究微表情，研究者需要...
一种基于Radon变换的微表情识别算法.pdf
06-05
4. 微表情分类识别：使用支持向量机进行微表情分类识别。 实验结果表明，使用 Radon 变换后得到的微表情特征图像得到了较好的识别效果，在微表情数据集 CASME 和 CASMEⅡ上识别率分别为 81.48% 和 82.17%。通过与...
微表情面部密码系统.swf
05-08
FACS该套系统将许多现实生活中人类的表情进行了分类，它是如今面部表情的肌肉运动的权威参照标准，也被心理学家和动画片绘画者使用。
微表情识别CASME2数据集
12-02
如题，请访问文档中的地址下载微表情识别CASME2数据集。
微表情识别
11-16
就深度学习的方式对人类的微表情数据进行识别，主要是基于inception_v3模型为框架
A survey: facial micro-expression recognition
09-09
综述人脸微表情识别的定义和研究现状, 总结微表情识别中的一些关键技术, 探讨潜在的问题和可能的研究方向.
Python-CVPR2018微表情识别论文实现代码
08-11
Experimentation of deep learning on the subjects of micro-expression spotting and recognition.
表情识别（SVM+Dlib）
04-13
参考博客http://blog.csdn.net/zmdsjtu/article/category/6399432
微表情识别 · 读脸读心满分答案
芷晨的博客
12-28 3万+
微表情识别 · 读脸读心满分答案单选题多选题判断题 单选题 1关于表达者表达解析哪一项描述是正确的?() A、疏忽几个表情动作的观察不影响准确判断其真实内心 B、是准确认识表达者内心的基础和前提 C、只要盯着其眼动反应就能准确判断其真实内心 D、只要关注其情绪与事件性质是否一致就能准确判断其真实内心 我的答案：B 2爱恨反应的形态意义哪一项描述是错误的?() A、爱的时候会主动亲近对方 B、恨的时候会主动拉开距离 C、身体间的距离,可以体现出人和人之间的心理距离 D、人的内心的喜爱与厌恶是不能从表情动作中表
MobileNet实战：基于 MobileNet 的人脸微表情分类（Caffe）
生命在于折腾！
12-21 2484
MobileNet实战：基于 MobileNet 的人脸微表情分类（Caffe） 这一部分内容总共由下面四篇文章组成： MobileNet 进化史： 从 V1 到 V3（V1篇） MobileNet 进化史： 从 V1 到 V3（V2篇） MobileNet 进化史： 从 V1 到 V3（V3篇） MobileNet实战：基于 MobileNet 的人脸表情分类 1. 前言 前面我们已经简要介...
[机器学习] 实验笔记 - 表情识别（emotion recognition）
WangBo的机器学习乐园
04-15 4万+
本文主要整理自笔者在表情识别（emotion recognition）研究上的实验笔记资料，给出了表情识别常用的数据库，论文资料，识别方法，评价指标，以及笔者的实验笔记和实验结果。与读者分享，欢迎讨论。
keras系列︱人脸表情分类与识别：opencv人脸检测+Keras情绪分类（四）
热门推荐
素质云笔记
06-06 4万+
人脸识别热门，表情识别更加。但是表情识别很难，因为人脸的微表情很多，本节介绍一种比较粗线条的表情分类与识别的办法。 Keras系列：keras系列︱Sequential与Model模型、keras基本结构功能（一） keras系列︱Application中五款已训练模型、VGG16框架（Sequential式、Model式）解读（二） keras系列︱图像多分类训练与利用bottleneck f
帮我写出深度学习微表情分类的代码
06-03
好的，深度学习微表情分类的代码一般包括以下步骤： 1. 数据预处理：将微表情数据集转换为适合深度学习的格式，比如将图像转换为矩阵。 2. 模型选择：根据任务需求选择适合的深度学习模型，比如卷积神经网络（CNN...
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值