典型文献
基于STA-LSTM的自发微表情识别算法
文献摘要：
针对目前多数人心理状态处于亚健康的问题,设计了一种基于时空注意力的双向长短时记忆(LSTM)网络,以实现微表情图像特征提取及识别,从而了解人们试图掩饰的情绪.该网络由双向LSTM模块、空间注意力模块及时间注意力模块三大部分组成.将微表情视频图像作为输入,所学习的网络能够有选择性地聚焦于每帧有显著区别的动作单元,并对不同帧给予不同程度的关注度.同时,考虑到模块之间的相关性,还设计一个新的正则化的交叉熵损失函数,进一步优化网络.最后,在CASME、CASME Ⅱ、CAS(ME)2、SAMM四个数据集上进行了对比实验.实验结果表明,本文方法能够提高微表情识别的精度,优于其他方法.
文献关键词：
计算机应用;微表情识别;长短时记忆;空间注意力;时间注意力
中图分类号：
作者姓名：
李大湘;陈梦思;刘颖
作者机构：
西安邮电大学通信与信息工程学院,西安710121;西安邮电大学电子信息现场勘验应用技术公安部重点实验室,西安710121
文献出处：
引用格式：
[1]李大湘;陈梦思;刘颖-.基于STA-LSTM的自发微表情识别算法)[J].吉林大学学报（工学版）,2022(04):897-909
A类：
B类：
STA,微表情识别,识别算法,数人,心理状态,亚健康,时空注意力,双向长短时记忆,表情图,图像特征提取,解人,掩饰,空间注意力,注意力模块,时间注意力,三大部,视频图像,所学,正则化,交叉熵损失函数,CASME,SAMM,其他方法,计算机应用
AB值：
0.323519
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。
