科研之友
微信
新浪微博
Facebook
分享链接
摘要
微表情（Micro Expression,ME）存在面部肌肉运动幅度小、数据集样本少的问题，这会导致神经网络在学习过程中难以捕获有效特征和提高识别精度，因此，本文提出了一种基于改进Mini-Xception卷积神经网络的微表情识别方法。首先，在预处理阶段根据余弦相似度计算得到放大倍数，对微表情进行自适应运动放大；接着改进Mini-Xception网络模型，具体操作为在输入层两侧添加投影层以重整输入特征，将通道注意力机制加入由深度可分离卷积层和批归一化层组成的循环模块中，以此来构建ME-Xception网络模型；最后，将ME-Xception网络模型用于微表情识别任务，在CASMEⅡ、SAMM和SMIC数据集上进行实验，结果表明该方法有效提高了识别精度，与其他主流算法相比可以获得较好的识别性能。
- 单位
