阅读“一种结合局部区域划分和特征选择的微表情识别新框架“

最新推荐文章于 2024-07-25 23:26:35 发布
最新推荐文章于 2024-07-25 23:26:35 发布
阅读量382 收藏 2
点赞数
分类专栏： SCI文献阅读笔记 文章标签： 算法 matlab 图像处理 深度学习 计算机视觉
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/weixin_46908370/article/details/124423589
版权

文献精读笔记

标题

一种结合局部区域划分和特征选择的微表情识别新框架-A New Framework for Micro-expression Recognition Combining Local Region Division and Feature Selection

作者

YANLIANG ZHANG  , HANXIAO JIANG  , XINGWANG LI

期刊

IEEE

发表时间

2020

具体研究内
最低0.47元/天 解锁文章
潇洒哥的羊皮卷
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
论文笔记（微表情识别）：Micro-Attention for Micro-Expression Recognition
weixin_45440065的博客
04-25 3328
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...
微表情检测（一）----LGAttNet论文总结
m0_46521375的博客
12-05 1398
微表情识别之前需要先进行微表情的检测。我们提出了一种基于双重注意力网络的微表情检测架构，称为LGAttNet。LGAttNet是第一个利用与二维卷积神经网络组合的双重注意力网络执行逐帧自动微表情检测的方法之一。该方法将特征提取和增强任务分为两个不同的卷积神经网络模块：稀疏模块和特征增强模块。另一个关键模块是注意力网络，它提取局部和全局的面部特征，即局部注意力模块和全局注意力模块。该注意机制采用了人类专注于微动作特定区域的特征，
综述 | 深度学习在fNIRS中的应用
u011661076的博客
10-14 2671
导读意义：光学神经影像学已成为一种成熟的临床和研究工具，用于监测大脑皮层的激活。值得注意的是，功能性近红外光谱(fNIRS)研究的结果在很大程度上取决于所采用的数据处理流程和分类模型。最近，深度学习(DL)方法在许多生物医学领域的数据处理和分类任务中表现出快速和准确的性能。目的：本文旨在回顾新兴的深度学习(DL)在fNIRS研究中的应用。方法：本文将首先介绍一些常用的深度学习技术。然后，总结了当前深度学习在脑机接口、神经损伤诊断和神经科学发现等领域的研究进展。
人类微笑表情识别（HOG算法）
qq_46689721的博客
12-23 4289
文章目录1、关于HOG2、代码实现部分 1、关于HOG     1、简介：梯度直方图特征(HOG) 是一种对图像局部重叠区域的密集型描述符, 它通过计算局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而如今虽然有很多行人检测算法不断提出，但基本都是以HOG+SVM的思路为主。  &n
LOOCV（留一交叉验证）的理解
weixin_44697411的博客
03-25 4055
原理：将已有数据集（样本数为K）分成K份，每次选取K-1份训练，剩余1份测试。最后得到K个得分，将其平均作为该模型的得分。 注意：此处的模型不是指模型的实例，而是指模型本身 。CV中调的参数不是模型的实例对应的参数，而是模型本身的超参数。 参考【机器学习】Cross-Validation（交叉验证）详解 ...
一种基于Radon变换的微表情识别算法.pdf
06-05
在微表情识别领域中，基于 Radon 变换的微表情识别算法是一种有效的方法，可以提高微表情识别的准确率。但是，微表情识别仍然是一个具有挑战性的任务，需要进一步的研究和改进。 除了微表情识别外，基于 Radon 变换...
基于tensorflow多特征融合的微表情识别python源码.zip
05-15
基于tensorflow多特征融合的微表情识别python源码.zip已获导师指导并通过的97分的高分期末大作业项目，可作为课程设计和期末大作业，下载即用无需修改，项目完整确保可以运行。 基于tensorflow多特征融合的微表情...
微表情识别-基于时空特征的微表情识别算法实现-附项目源码-优质项目实战.zip
最新发布
07-28
微表情识别_基于时空特征的微表情识别算法实现_附项目源码_优质项目实战
基于鲁棒主成分分析和局部时空方向特征的微表情识别
03-06
基于鲁棒主成分分析和局部时空方向特征的微表情识别
基于SVM多特征融合的微表情识别python源码+项目说明.zip
11-02
基于SVM多特征融合的微表情识别python源码+项目说明.zip 将上述文件与main.py放在同一目录下，直接运行main.py： a. 从同目录下的CASME II文件夹中提取数据，文件夹的结构为CASME II/subject_name/ep_name/image b. ...
表情识别（六）--局部特征学习和Handcrafted特征结合
工作笔记
05-28 9142
论文《Local Learning with Deep and Handcrafted Features for Facial Expression Recognition》 作者基于局部特征学习和手工特征，集成模型（BOVW）的方式，在FER2013上达到75.42%的精度，在FER+上达到86.71%的精度。超过所有比赛结果，目前最好。 主要包含，多CNN模型特征提取，手工特征提取，两者模...
OpenCV图像坐标系与行列宽高的关系
FantasyJXF的博客
05-14 3万+
OpenCV种的图像坐标，细节很重要，习惯要适应
留一法（交叉验证法，Leave-One-Out Cross Validation）
热门推荐
谷子的五福一安
08-05 7万+
交叉验证法 这种方法比较简单易懂，就是把一个大的数据集分为k个小数据集，其中k-1个作为训练集，剩下的一个作为测试集，然后选择下一个作为测试集，剩下的k-1个作为训练集，以此类推。这其中，k的取值就比较重要，在书中提到一般取10作为k的值（具体原因 不太清楚）。这种方法也被叫做‘k折交叉验证法（k-fold cross validation）’。最终的结果是这10次验证的均值。此外，还有一种交叉验...
loo-cv验证matlab,交叉验证方法思想简介
weixin_39537049的博客
03-22 538
交叉验证方法思想简介以下简称交叉验证(Cross Validation)为CV.CV是用来验证分类器的性能一种统计分析方法,基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set),首先用训练集对分类器进行训练,在利用验证集来测试训练得到的模型(model),以此来做为评价分类器的性能指标.常见CV的方...
loo-cv验证matlab,交叉验证
weixin_39996742的博客
03-22 831
交叉验证 (Cross validation)有时亦称循环估计， 是用来验证分类器的性能的一种统计分析方法。它用于分析机器学习算法的泛化能力(generalization). 其基本思想是将原始数据(data set)进行分组，一部分作为训练集(training set)，一部分作为测试集 (testing set)。首先利用训练集对分类器进行训练，再利用测试集来测试得到的模型(model)，以此...
OpenCV学习记录 之 多通道图像混合
weixin_38770711的博客
04-27 239
//---------------------------------【头文件、命名空间包含部分】------------------------------- // 描述：包含程序所使用的头文件和命名空间 //---------------------------------------------------------------------------------------------...
C语言100道基础拔高题（1）
2303_78660417的博客
07-23 3150
最后按最小值，中间值，最大值的顺序打印即可。解题思路：首先输出由这几个数字所组成的所有三位数，接着再设置条件，使其输出的三位数不重复，下面我们来看下源代码。值得注意的是：所以题目的代码都是作者自行编写，如有更好的思路或者代码的优化，还请指出更正。解题思路：首先找到能整除这个正整数的最小正数，接着重置循环初值，让它继续查找最小正数，最后将得到的所有正数放到一个数组里，最后设置好格式之后循环打印出来。解题思路：首先确定好区间，接着判断是否是素数，素数就是一个大于1的数，除了1和它本身之外，不能被其他数整除。
算法 —— 暴力枚举
fen_0108的博客
07-25 3759
第二看纵向宽发生改变，长重置为1，长为1，宽为2的时候，第一行个数为7个，总共有5 x 7 个，长为2，宽为2的时候 第一行个数为6个，共有5 x 6个……首先是横着的长方形，宽始终为1，长不断发生改变，可以看出长为2的时候，第一行个数为6个，总共有6 x 6个，长为3的时候，总共有6 x 5个……这是一道简单的模拟题，枚举出所有可能情况，不会超过规定时间的，以下附上k
2024.7.24 作业
qq_64434282的博客
07-24 2448
【代码】2024.7.24 作业。
微表情识别技术在视频序列中的最新研究进展
同时，该综述还详细介绍了各种微表情识别技术，包括基于特征提取的方法（如局部二值模式(LBP)、高阶统计特性(HOG)）、深度学习模型（如卷积神经网络(CNN)、循环神经网络(RNN)）、以及结合运动和静态特征的方法。...
评论
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