基于多尺度3D残余卷积神经网络的微表情识别
Hongmei Jin1, Ning He1, Zhanli Li1
1College of Computer Science and Technology, Xi'an University of Science and Technology, Xi'an 710054, China.
Mathematical biosciences and engineering : MBE
|June 14, 2024
概括
这项研究引入了一种新的多尺度3D残余卷积神经网络,用于准确的微表达式识别. 新型号显著改善了微妙的面部特征的检测,提高了在关键应用中的识别准确性.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 准确的微表情识别对于心理治疗和刑事审讯等应用至关重要.
- 挑战包括捕捉微妙,短暂的面部特征和提高识别性能.
- 现有的方法难以有效地提取微表达的微妙特征.
研究的目的:
- 提出一种用于增强微表达式识别的新型架构.
- 为了应对捕捉微弱和短暂的面部特征的挑战.
- 为了提高高精度微表情识别的准确性.
主要方法:
- 开发了一个多尺度的3D残余卷积神经网络 (3D-ResNet50).
- 使用微表达式的光流特征地图作为输入.
- 集成的多尺度卷积模块和特征融合的注意力机制.
- 使用具有多个输出通道的歧视性网络结构.
主要成果:
- 实现了74.6% (SMIC),84.77% (SAMM) 和91.35% (CASME II) 的识别准确率.
- 与现有的主流方法相比,证明了显著的改进.
- 有效地提高了微表情识别性能和准确性.
结论:
- 拟议的多尺度3D残余卷积神经网络提供了卓越的微表达式识别.
- 这种新的架构有效地整合了空间和时间特征,以提高上下文意识.
- 这项工作为高精度微表情识别研究提供了宝贵的参考.
