典型文献
基于ME-Xception卷积神经网络的微表情识别
文献摘要：
微表情(Micro Expression,ME)存在面部肌肉运动幅度小、数据集样本少的问题,这会导致神经网络在学习过程中难以捕获有效特征和提高识别精度,因此,本文提出了一种基于改进Mini-Xception卷积神经网络的微表情识别方法.首先,在预处理阶段根据余弦相似度计算得到放大倍数,对微表情进行自适应运动放大;接着改进Mini-Xception网络模型,具体操作为在输入层两侧添加投影层以重整输入特征,将通道注意力机制加入由深度可分离卷积层和批归一化层组成的循环模块中,以此来构建ME-Xception网络模型;最后,将ME-Xception网络模型用于微表情识别任务,在CASME II、SAMM和SMIC数据集上进行实验,结果表明该方法有效提高了识别精度,与其他主流算法相比可以获得较好的识别性能.
文献关键词：
微表情识别;运动放大;卷积神经网络;迁移学习;光流
中图分类号：
作者姓名：
陈汤慧;高美凤
作者机构：
江南大学轻工过程先进控制教育部重点实验室,物联网工程学院,江苏无锡214122
文献出处：
引用格式：
[1]陈汤慧;高美凤-.基于ME-Xception卷积神经网络的微表情识别)[J].信号处理,2022(05):992-1000
A类：
B类：
Xception,微表情识别,Micro,Expression,学习过程,有效特征,识别精度,Mini,余弦相似度,相似度计算,放大倍数,自适应运动,运动放大,具体操作,输入层,重整,输入特征,通道注意力机制,深度可分离卷积,卷积层,批归一化层,环模,CASME,II,SAMM,SMIC,流算法,识别性,迁移学习,光流
AB值：
0.322116
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
