典型文献
基于深度卷积和自编码器增强的微表情判别
文献摘要：
为了判别微表情种类,提出基于深度卷积神经网络和迁移学习的微表情种类判别网络MecNet.为了提高MecNet在CASMEⅡ、SMIC和SAMM联合数据库上的微表情种类判别准确率,提出基于自编码器的微表情生成网络MegNet,以扩充训练集.使用CASMEⅡ亚洲人的微表情样本,生成欧美人的微表情样本.设计卷积结构实现图像编码,设计基于子像素卷积的特征图上采样模块实现图像解码,设计基于图像结构相似性的损失函数用于网络优化.将生成的欧美人的微表情样本加入MecNet训练集.实验结果表明,使用MegNet扩充训练集能够有效地提高MecNet微表情种类判别准确率.结合MegNet、MecNet的算法在CASMEⅡ、SMIC和SAMM组成的联合数据库上的表现优于大部分现有算法.
文献关键词：
微表情种类判别;深度卷积神经网络;迁移学习;自编码器
中图分类号：
作者姓名：
付晓峰;牛力
作者机构：
杭州电子科技大学计算机学院,浙江杭州 310018
文献出处：
引用格式：
[1]付晓峰;牛力-.基于深度卷积和自编码器增强的微表情判别)[J].浙江大学学报（工学版）,2022(10):1948-1957
A类：
微表情种类判别,MecNet,MegNet
B类：
自编码器,深度卷积神经网络,迁移学习,判别网络,CASME,SMIC,SAMM,生成网络,训练集,亚洲人,欧美人,图像编码,子像素卷积,特征图,上采样,样模,解码,结构相似性,损失函数,网络优化
AB值：
0.172881
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
