基于过渡帧概念训练的微表情检测深度网络

• 作者: 付晓峰 吴卿 李建军 牛力 胡卓群
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 微表情检测 迁移学习 深度卷积神经网络 二分类 过渡帧
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 2128-2137
• 页数: 10页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2020.11.008

摘要

为了更准确地从视频中检测面部微表情,针对微表情数据库样本规模较小的特点,采用迁移学习方法将深度卷积神经网络应用于微表情检测问题.选取预训练过的深度卷积神经网络模型,保留卷积层及预训练参数,添加全连接层和分类器,构造一个二分类的微表情检测深度网络(MesNet).为了去除微表情数据库中影响网络训练的噪声标签,提出过渡帧的概念和自适应识别过渡帧算法.MesNet在CASMEⅡ、SMIC-E-HS与CAS(ME)2数据库上的曲线下面积(AUC)分别达到0.9556、0.9338与0.7853,其中在CASMEⅡ短视频数据库和CAS(ME)2长视频数据库上均取得最优结果,表明MesNet具有高精度和广适用范围的特点;过渡帧对比实验结果表明,构造训练集时从原始视频中去除过渡帧能够有效提高MesNet微表情检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴卿		32	106	6.0	9.0
2	付晓峰		9	42	4.0	6.0
3	牛力		2	4	1.0	2.0
4	胡卓群		1	0	0.0	0.0
5	李建军		3	8	1.0	2.0