用于微表情识别的浅层三流三维 CNN (STSTNet)
计算机视觉与模式识别
2019-08-22 v2
摘要
近年来，深度神经网络显著推进了面部微表情识别的 SOTA。深度学习的鲁棒性产生了超越传统手工设计方法的良好性能。文献中的大多数工作强调增加网络深度并采用高度复杂的目标函数以学习更多特征。在本文中，我们设计了一种计算量轻便且能够提取具有判别性的高层特征和微表情细节的浅层三流三维 CNN (STSTNet)。该网络从基于每个视频的起始帧和顶点帧计算出的三种光流特征（即光应变、水平和垂直光流场）中进行学习。我们的实验结果证明了所提出的 STSTNet 的有效性，它在由 SMIC、CASME II 和 SAMM 数据库中 442 个样本组成的复合数据库上获得了 0.7605 的未加权平均召回率和 0.7353 的未加权 F1 分数。
引用
@article{arxiv.1902.03634,
title = {Shallow Triple Stream Three-dimensional CNN (STSTNet) for Micro-expression Recognition},
author = {Sze-Teng Liong and Y. S. Gan and John See and Huai-Qian Khor and Yen-Chang Huang},
journal= {arXiv preprint arXiv:1902.03634},
year = {2019}
}
备注
5 pages, 1 figure, Accepted and published in IEEE FG 2019