结合迁移学习与可分离三维卷积的微表情识别

作者：梁正友; 刘德志; 孙宇

来源：计算机工程, 2021, 1-11.

DOI：10.19678/j.issn.1000-3428.0059771

• 微表情识别
• 深度学习
• 卷积神经网络
• 迁移学习
• 光流法

针对于当前微表情自动识别准确率较低和微表情样本数量不足的问题，提出一种结合迁移学习技术与可分离三维卷积神经网络（S3D CNN）的微表情识别方法。首先通过光流法提取宏表情和微表情视频样本的光流特征帧序列；然后利用宏表情样本的光流特征帧序列对S3D CNN进行预训练；最后利用微表情样本的光流特征帧序列微调模型参数。提出的方法采用的S3D CNN由二维空域卷积层加一维时域卷积层组成的可分离三维卷积层构成，比传统的三维卷积神经网络具有更好的学习能力，并减少了模型的训练参数和所需的计算量；同时采用迁移学习的方式对模型进行训练，缓解了微表情样本数量过少造成的模型过拟合问题，提升了模型的学习效率。实验表明，所提出的方法在CASME II微表情数据集上的识别准确率达到67.58%，超过了MagGA、C3DEvol等前沿的微表情识别算法。

• 单位
  广西大学