一个轻量级的双流网络,具有适应性战略,用于高效的微表达式识别
Xinyu Liu1,2,3, Ju Zhou1,2,3,4, Feng Chen1,2,3
1College of Electronic and Information Engineering, Southwest University, Chongqing 400715, China.
Sensors (Basel, Switzerland)
|May 14, 2025
概括
本研究介绍了一种轻量级的双流网络,用于识别微表达式 (ME). 新的自适应方法提高了准确性和稳定性,显示了边缘传感器应用的巨大潜力.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物识别信息 生物识别信息
背景情况:
- 微表情 (ME) 由于其短暂的持续时间和微妙的面部动作,难以识别.
- 准确的ME识别需要专门的计算方法来进行时空特征提取.
研究的目的:
- 提出一个轻量级的双流网络,采用适应性策略,以实现高效的微表情识别.
- 提高ME识别系统的稳定性和准确性.
主要方法:
- 使用移动放大网络使用转移学习来放大ME的面部肌肉运动.
- 从开始和放大顶部中提取放大密集光流 (MDOF).
- 设计了一个双流时空网络 (DSTNet),使用放大和MDOF.
- 引入了一个自适应策略,根据信心分数动态调整放大因子.
主要成果:
- 拟议的方法在多个数据集 (SMIC,CASME II,SAMM) 和跨数据集任务中获得了优异的F1分数.
- 适应式DSTNet在处理不平衡的样本数据方面表现出显著的改进.
- 该系统表现出强度和轻量级设计,适合边缘部署.
结论:
- 具有适应性策略的轻量级双流网络为微表达式识别提供了高效和强大的解决方案.
- 该方法显示了对现实应用的巨大潜力,特别是在边缘传感器上.
- 该方法有效地解决了ME识别方面的挑战,包括样本失衡和微妙特征提取.
