一种用于跨数据集微表情识别的新型顶点帧-时间网络

自深度学习方法成功引入以来，微表情的自动识别得到了极大推动。随着相关研究者转向从微表情的本质出发进行学习，深度学习技术的应用已从处理微表情的整个视频片段演变为对顶点帧的识别。使用顶点帧能够去除冗余的视频帧，但微表情的相关时间证据也会随之丢失。本文提出一种新型顶点帧-时间网络（Apex-Time Network, ATNet），基于顶点帧的空间信息以及相应相邻帧的时间信息来识别微表情。通过在三个基准数据集上的大量实验，我们证明了学习此类时间信息所带来的性能提升。特别地，带有此类时间信息的模型在跨数据集验证中更具鲁棒性。