基于层级注意力模型的视频序列表情识别

• 作者: 任福继 彭穆子 潘丽娟 王晓华 胡敏 金春花
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 视频序列 人脸表情识别 堆叠长短期记忆网络 自注意力机制
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 图像与视觉
• 页码范围: 27-35
• 页数: 9页
• 分类号: TP391.41
• 字数: 7702字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2020.17719

摘要

长短期记忆网络(LSTM)广泛应用于视频序列的人脸表情识别,针对单层LSTM表达能力有限,在解决复杂问题时其泛化能力易受制约的不足,提出一种层级注意力模型:使用堆叠LSTM学习时间序列数据的分层表示,利用自注意力机制构建差异化的层级关系,并通过构造惩罚项,进一步结合损失函数优化网络结构,提升网络性能.在CK+和MMI数据集上的实验结果表明,由于构建了良好的层次级别特征,时间序列上的每一步都从更感兴趣的特征层级上挑选信息,相较于普通的单层LSTM,层级注意力模型能够更加有效地表达视频序列的情感信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡敏	合肥工业大学计算机与信息学院人工智能学院	116	1456	20.0	34.0
2	王晓华	合肥工业大学计算机与信息学院人工智能学院	37	504	11.0	22.0
3	金春花	淮阴工学院江苏省物联网移动互联技术工程实验室	3	0	0.0	0.0
4	潘丽娟	合肥工业大学计算机与信息学院人工智能学院	1	0	0.0	0.0
5	彭穆子	合肥工业大学计算机与信息学院人工智能学院	1	0	0.0	0.0