基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
与一般的面部表情相比,微表情的持续时间更短,对其检测和识别是一种巨大的挑战.利用传统的图像识别方法进行微表情识别不仅准确率低,预处理也更复杂.为了开发可靠的神经网络,需要大量的训练集以及大量的标记图像样本.本文基于CASME和CASMEⅡ数据集训练改进的卷积神经网络模型,将特征提取和分类识别结合在一起,充分提取微表情的特征.实验结果表明,该模型的微表情识别效果良好.
推荐文章
结合LBP特征和深度学习的人脸表情识别
图像处理
LBP特征
人脸检测
卷积神经网络
人脸表情识别
基于差分纹理的人脸表情识别
面部表情
Delaunay 三角剖分
差分纹理特征
主动形状模型
基于深度学习的面部表情识别研究
深度学习
表情识别
神经网络
基于多特征融合的人脸表情识别
表情识别
均值主元分析
线性判别
支持向量机
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的人脸微表情识别
来源期刊 智能计算机与应用 学科
关键词 微表情识别 特征提取 卷积神经网络
年,卷(期) 2021,(4) 所属期刊栏目 学术研究与应用|Academic research and application
研究方向 页码范围 62-64
页数 3页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.2095-2163.2021.04.016
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (43)
共引文献  (29)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2014(6)
  • 参考文献(0)
  • 二级参考文献(6)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(7)
  • 参考文献(0)
  • 二级参考文献(7)
2017(2)
  • 参考文献(1)
  • 二级参考文献(1)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
微表情识别
特征提取
卷积神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能计算机与应用
双月刊
2095-2163
23-1573/TN
大16开
哈尔滨市南岗区繁荣街155号(哈工大新技术楼916室)
14-144
1985
chi
出版文献量(篇)
6183
总下载数(次)
26
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导