换一批摘要情感识别在人类生活中起着重要的作用.文中设计了一款多模态采集头盔,通过硬件与算法的双重优化,全面提升情感识别的性能.首先结合脑电图(Electroencephalogram,EEG)和眼动信号设计硬件采集系统,确保数据的高效与精确获取.然后设计了多模态对比学习门控网络(Multimodal Contrastive Learning Gated Network,MCGNet),以提高情感识别的准确率.针对EEG特征提取不全面的问题,设计了多域EEG特征提取器.为了更好地捕捉模态间的互补信息,模型使用对比表征学习和对比特征分解.最后,为解决多模态融合带来噪声干扰而导致准确率不如单模态的问题,引入门控结构,根据样本特征选择不同模态组合及相应专家网络.实验结果表明,该多模态采集头盔的性能良好,为情感识别的应用提供了新思路.
更多相关知识
关键词
情感识别多模态信号处理图卷积神经网络对比学习门控结构emotion recognitionmultimodal signal processinggraph convolutional neural networkcontrastive learninggating structure
栏目名称
DOI
10.19659/j.issn.1008-5300.20250314001
发布时间
2025-07-16（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
