换一批摘要微表情是个体无意识发生的表情变化,能够反映人们潜在的情绪和内心状态.微表情发生时动作强度低且涉及面部范围小,导致在微表情识别过程中存在着提取特征不充分、定位有效特征不准确的问题,影响识别精度.构建一种递增注意力多尺度卷积网络,该网络融合了多尺度卷积模块和递增注意力模块.利用多尺度卷积模块学习不同感受野下的细粒度特征,提取丰富的细节特征,同时设计一种递增注意力模块,通过多个注意力图间的特征共享与增强,准确定位面部运动区域,稳健提取微表情图像中的运动特征.所提网络在数据集SMIC、CASMEII及 SAMM上进行实验,准确率分别达到0.826、0.880和0.787,F1值分别达到0.817、0.864和0.761.研究结果可为谎言检测、心理健康早期筛查等提供参考.
更多相关知识
关键词
人工智能微表情识别深度学习注意力机制卷积神经网络多尺度卷积谎言检测心理健康早期筛查artificial intelligencemicro-expression recognitiondeep learningattention mechanismconvolutional neural networkmulti-scale convolutionlie detectionearly screening for mental health
栏目名称
DOI
10.3724/SP.J.1249.2024.06756
发布时间
2024-11-20（万方平台首次上网日期，不代表论文的发表时间）
- 浏览9
- 被引2
- 下载2
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
