Feature refinement 的阅读笔记

pzb19841116

已于 2024-02-03 11:39:56 修改

阅读量895

点赞数 20

分类专栏：论文解读文章标签：人工智能计算机视觉

于 2024-02-03 11:39:02 首次发布

本文链接：https://blog.csdn.net/pzb19841116/article/details/136005887

版权

本文提出了一种新颖的微表情识别方法，通过设计基于Inception的模块提取共享特征，结合注意力机制和专用表达特征学习，有效提升识别效率。该方法包括共享特征学习、专用特征提取和融合三个阶段，并在多个数据集上进行了验证。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Pattern Recognition上一篇微表情识别的文章，记录一下其中的关键信息点。

摘要：

This paper proposes a novel Feature Refinement(FR) with expression-specific feature learning and fusion for micro-expression recognition.

本文的贡献是，提出了一个新颖的特征提纯方法，一个表达能力较强的特征学习与融合的方法，用于微表情识别。

First,an inception module is designed basedon optical flow to obtain expression-shared features.Second,in order to extract salient and discriminative features for specific expression,expression-shared features are fed into an expression proposal module with attention factorsand proposal loss.

先用光流法获取共享的特征，再用注意力机制获取可分类的特征。

一、简介

Automatic micro-expression analysis in-volves micro-expression spotting and micro-expression recognition(MER).

微表情分析分为两大子分支，微表情检测与微表情识别。

However,these existing methods char-acterize the discrimination of micro-expressions inef-ficiently.On the other hand,it is time-consuming to design handcrafted feature[7]and manually adjust theoptimal parameters[8].

现有的特征方法低效，手工设计耗时，且需要手动调参。

The FR consists of three feature refinement stages:expression-shared feat