一种基于CNN与LSTM结合的微表情识别算法

• 作者: 吴进 张伟华 闵育 马思敏
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 微表情识别 深度学习 卷积神经网络 长短期记忆网络 批量归一化算法 丢弃法
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 应用基础与前沿技术
• 页码范围: 1-7
• 页数: 7页
• 分类号: TP183
• 字数: 4832字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2020.01.001

摘要

微表情表现强度微弱且非常短暂.针对微表情识别效果不理想的问题,以视觉几何组(Vis-ual Geometry Group,VGG)网络为基础,提出卷积神经网络(Convolutionnal Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)结合的识别算法.CNN提取数据集CASME Ⅱ的空域特征,LSTM处理时域特征,实现空域与时域特征的结合.针对深度学习训练困难以及过拟合问题,加入批量归一化算法与丢弃法,提高网络训练速度,有效防止过拟合.针对数据集稀缺的问题,固定每次读取帧序列的长度,随机生成起始帧的位置,不断循环读取以遍历整个数据集并达到数据扩增.根据实验结果,五类微表情(高兴、惊讶、厌恶、抑郁、其他)识别率最高可达72.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴进	西安邮电大学电子工程学院	51	202	9.0	12.0
2	闵育	西安邮电大学电子工程学院	6	7	1.0	2.0
3	张伟华	西安邮电大学电子工程学院	3	0	0.0	0.0
4	马思敏	西安邮电大学电子工程学院	2	5	1.0	2.0