可解释时空卷积网络的微表情识别应用

作者：牛斌; 张钥迪; 马利^*

来源：辽宁大学学报(自然科学版), 2020, 47(02): 97-92.

DOI：10.16197/j.cnki.lnunse.2020.02.001

• 微表情识别
• 可解释性
• 残差单元
• 卷积神经网络

面部微表情具有持续时间短、强度低等特点,因此微表情识别的准确率较低,且当前提出的基于深度学习的微表情识别方法难以理解网络模型的决策原因,以至于难以应用于实际.针对该问题提出一种基于残差单元的可解释时空卷积网络用于微表情识别的方法,该方法通过使用时空卷积网络,将微表情视频帧序列作为输入,并解释网络模型参数与特征,在实现模型可解释性的同时,提高了微表情识别的准确率.在CASME2、SMIC和SAMM数据集上对提出方法进行验证,实验结果表明,本文方法优于目前大部分基于深度学习的微表情识别方法.

• 单位
  辽宁大学