丰富的长期经常性卷积网络.docx
约17页DOCX格式手机打开展开
丰富的长期经常性卷积网络,面部微观表情（me）的识别对于研究人员在运动和有限数据库中的细微处理造成巨大挑战。 最近，人工技术已经在微型表达识别中取得了优异的性能，但是以区域特异性和繁琐的参数调谐为代价。 在本文中，我们提出了一个丰富的长期递归卷积网络（elrcn），首先通过cnn模块将每个微表情帧编码成特征向量，然后通过将特征向量通过一个长-短...
内容介绍
此文档由会员 qw-ntldha 发布
面部微观表情（ME）的识别对于研究人员在运动和有限数据库中的细微处理造成巨大挑战。 最近，人工技术已经在微型表达识别中取得了优异的性能，但是以区域特异性和繁琐的参数调谐为代价。 在本文中，我们提出了一个丰富的长期递归卷积网络（ELRCN），首先通过CNN模块将每个微表情帧编码成特征向量，然后通过将特征向量通过一个长-短期记忆（LSTM）模块。 该框架包含两种不同的网络变体
