【论文阅读】LSSNet

简介

• LSSNet: A Two-stream Convolutional Neural Network for Spotting Macro- and Micro-expression in Long Videos
• 研究领域：macro- and micro-expression spotting
• 期刊：MM 21
• 作者：中国电子科技大学-Wang-Wang Yu
• 代码：williamlee91/mer_spot
• not important

---

总体概括：

在本文中，作者提出了一种高效的双流网络，称为基于位置抑制的定位网络（LSSNet），它包括三个部分。

• 第一，使用传统的 TV-L1 算法提取光流，该算法捕获细微的面部运动，同时添加时间信息以缓解样本不足的问题
• 第二，通过 I3D 模型从采样的光流和原始图像中提取固定长度的特征，用于设置滑动窗口。
• 最后，将位置抑制模块（LSM）添加到金字塔卷积神经网络（CNN）中，以减少间隔过长和过短的提议。

如下图所示，作者的主网络类似于 A2Net，主要区别在于修改了特征图层数以适当地适应 CAS(ME)2 和 SAMM-LV 数据集以及引入 LSM。
—

LSM：

通常，使用的下采样时间越少，生成的尺度越少，生成的提议越多。 两个数据集中区间长度分布非常集中，长区间非常少。 这种情况意味着有必要限制减少负面的建议规模，特别是对于那些长度较长和较短的建议。 因此作者提出了位置抑制模块（LSM），其作用类似于non-local neural network

---

学习产出：

• CSDN 技术博客 1 篇
• 论文笔记