![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
抑郁识别
文章平均质量分 82
学cv的崽崽
慢但在前进着。
展开
-
Multimodal Spatiotemporal Representation for Automatic Depression Level Detection
Multimodal Spatiotemporal Representation for Automatic Depression Level Detection《自动抑郁检测的多模态时空表示》——TAFFC.2020文章提出了一种新的时空注意网络STA和多模态注意特征融合策略MAFF来获得抑郁线索的多模态表征,用于预测个体的抑郁水平。STA网络可以有效的提取输入信号的时空信息并强调与抑郁有关的特征。MAFF可以将音频特征和视频特征有效补充和融合最终得到与抑郁有关的多模态表征,在AVEC2013和AV原创 2022-05-03 19:13:18 · 627 阅读 · 0 评论 -
纵向数据中抑郁检测与预测的深度多任务学习
本人cv抑郁识别方向的硕士,目前应老师要求,不可避免的要看每周看一些抑郁识别的文章,为了给自己找一些乐趣,也是为了逼迫让自己养成总结的习惯,以后把抑郁症看过的论文都总结在这里,喜欢的话就一键三连吧~~~欢迎同方向的同学和我一起探讨学习哦!!!学习总有过程,对文章理解较浅的情况还望理解。纵向数据中抑郁检测与预测的深度多任务学习该网络名为MTNet,是一种在纵向数据中,新的深度多任务递归神经网络方法(一个二分类的抑郁分类网络)。1.这里的纵向数据指的是样本的个人信息在时间上的变化,比如样本的社会经济原创 2022-03-27 21:23:45 · 1883 阅读 · 0 评论