豐富的長期經(jīng)常性卷積網(wǎng)絡.docx
約17頁DOCX格式手機打開展開
豐富的長期經(jīng)常性卷積網(wǎng)絡,面部微觀表情（me）的識別對于研究人員在運動和有限數(shù)據(jù)庫中的細微處理造成巨大挑戰(zhàn)。 最近，人工技術已經(jīng)在微型表達識別中取得了優(yōu)異的性能，但是以區(qū)域特異性和繁瑣的參數(shù)調諧為代價。 在本文中，我們提出了一個豐富的長期遞歸卷積網(wǎng)絡（elrcn），首先通過cnn模塊將每個微表情幀編碼成特征向量，然后通過將特征向量通過一個長-短...
內容介紹
此文檔由會員 qw-ntldha 發(fā)布
面部微觀表情（ME）的識別對于研究人員在運動和有限數(shù)據(jù)庫中的細微處理造成巨大挑戰(zhàn)。 最近，人工技術已經(jīng)在微型表達識別中取得了優(yōu)異的性能，但是以區(qū)域特異性和繁瑣的參數(shù)調諧為代價。 在本文中，我們提出了一個豐富的長期遞歸卷積網(wǎng)絡（ELRCN），首先通過CNN模塊將每個微表情幀編碼成特征向量，然后通過將特征向量通過一個長-短期記憶（LSTM）模塊。 該框架包含兩種不同的網(wǎng)絡變體
