微表情分类

本文主要是对论文"Micro-Attention_for_Micro-Expression_recognition"的理解与复现,不对之处,敬请指正!

 

微表情分类相对于宏表情(情绪分类)来说更加困难,主要因为1.数据集较小 2.需要定位到面部局部区域且持续时间较短,不易捕捉.

论文算法:

1.利用apex frames(峰值)影像进行微表情检测

2.利用ResNet10网络对macro表情数据集进行训练

3.对ResNet10网络添加attention units,并利用macro表情训练模型进行初始化,并进行finetune

 

整体流程图:

微表情分类_第1张图片

 attention units:

微表情分类_第2张图片

 本文对于attention units讲解并不清楚.

最对文章复现中发现,直接使用改进的ResNet8以及迁移学习也能获得70%的精度,不知道是不是自己实现的问题,添加attention units之后效果反而不好了.

你可能感兴趣的:(微表情分类)