PRICAI 2016 论文精选 | 基于稀松K-SVD算法的自发性微表情识别
随着信息采集技术和传感器技术的迅速发展,利用计算机视觉技术识别微表情的相关研究实验已经越来越多。这些试验中,实际获取的图像数据的维数越来越高,如何有效地描述图像,方便后续处理,已成为图像处理、模式识别、机器学习等领域急需要解决的问题之一。在已有的众多的方法中,稀疏算法以其鲁棒性好、泛化能力和抗干扰能力强等优势,已成为目前研究的热点。本文被 PRICAI 2016 大会收录,探讨了基于稀松K-SVD算法的自发性微表情识别。
标题:基于稀松K-SVD算法的自发性微表情识别
摘要:微表情识别因为太过细微,一直是计算机视觉领域一个具有挑战性的问题,但往往很难隐藏。本文提出了一种稀松K-SVD算法(RK-SVD)来学习用于自发性微表情识别的稀疏字典。在RK-SVD中,考虑到重建误差和分类误差,将稀疏系数的方差最小化来处理同类相似性和异类差异性。通过K-SVD算法和随机梯度下降算法实现优化。最后,一个单独的过完备词典和一个最优线性分类器同时被学习。实验结果基于两个自发性微表情数据库,CASME和CASME II,表明新算法的性能优于其他先进算法。
关键词:K-SVD相关;字典学习;微表情识别
第一作者简介:
Hao Zheng
南京晓庄学院,信息工程学院,可信云计算和大数据分析重点实验室;
东南大学,计算机科学与工程学院,计算机网络及信息集成教育部重点实验室;
新型软件技术省级重点实验室。
via PRICAI 2016
论文原文件下载
雷锋网按: 本文由雷锋网(公众号:雷锋网)独家编译,未经许可禁止转载!
本文作者:陈杨英杰
本文转自雷锋网禁止二次转载,原文链接
PRICAI 2016 论文精选 | 基于稀松K-SVD算法的自发性微表情识别相关推荐
- PRICAI 2016 论文精选 | 基于车辆优先级优化交通系统的道路分布
基于车辆优先级优化交通系统的道路分布(Optimization of Road Distribution for Traffic System Based on Vehicle's Priority) ...
- 基于Python实现看图说话和微表情识别
1. 设计思想 对于人类来说,描述一张图片的内容是非常重要的.但因这个过程并没有标准答案,因此对于计算机来说这并不是一个简单地过程.我们希望通过本次实验能够设计一个模型完成让计算机给图片设定 capt ...
- 基于Python实现看图说话和微表情识别【100010260】
1. 设计思想 对于人类来说,描述一张图片的内容是非常重要的.但因这个过程并没有标准答案,因此对于计算机来说这并不是一个简单地过程.我们希望通过本次实验能够设计一个模型完成让计算机给图片设定 capt ...
- 微表情如何用计算机分析计算,基于微表情识别的学生课堂专注度分析系统研究...
摘要: 在课堂教学中,教师关注每个学生的情绪变化和学习状态来调节教学有效提升教学质量.然而,目前的课堂存在教师精力不足,教学反馈延迟等问题,在一定程度上,影响教学质量的提升,阻碍学生的发展.近年来,随 ...
- Micro-expression recognition with supervised contrastive learning基于对比监督学习的微表情识别
Micro-expression recognition with supervised contrastive learning基于对比监督学习的微表情识别--2022 PRL 文章链接:https ...
- 【计算机科学】mini-AORCNN:一种基于Bottleneck Transformer的轻量级微表情识别架构——CCF T2
mini-AORCNN:一种基于Bottleneck Transformer的轻量级微表情识别架构 摘要 微表情是一种能够体现人真实情感的自发面部动作,其持续时间较短,动作幅度轻微,识别难度较大,但是 ...
- 论文笔记(微表情识别):Micro-Attention for Micro-Expression Recognition
限制微表情识别准确性的两个方面: (1) 面部小局部区域微表情的存在 (2) 可用数据集大小的局限性(目前许多微表情数据集都远小于喂入网络的其他数据集,这可能会导致眼中的过拟合问题) 为此,本文提出了 ...
- bp 神经网络 优点 不足_【学术论文】基于灰度共生矩阵和BP神经网络的乳腺肿瘤识别...
摘要 乳腺肿瘤是女性病发率极高的一种肿瘤疾病, 但也是一种可以通过早期确诊.提早治疗来降低病死率的一种疾病.提出灰度共生矩阵结合BP神经网络的方法, 提高乳腺肿瘤的识别率.首先将红外乳腺图像进行预处理 ...
- k近邻算法_图穷匕见:K近邻算法与手写数字识别
机器学习算法是从数据中产生模型,也就是进行学习的算法.我们把经验提供给算法,它就能够根据经验数据产生模型.在面对新的情况时,模型就会为我们提供判断(预测)结果.例如,我们根据"个子高.腿长. ...
最新文章
- 成功解决PackagesNotFoundError: The following packages are not available from current channels: tensorflo
- 在Global Object Services (GOS) 中加入自定义项目
- 【译】Persistent reverse (NAT bypassing) SSH tunnel access with autossh
- 戏说模式-追MM与设计模式 (转载)
- 信息学奥赛C++语言:求满足条件的二位数
- 可提高效率的网页设计PS插件
- Quartus 11.0 的AS 下载方式和JTAG下载jic文件的方式
- Windows Server 2016-Windows控制台的新增功能
- linux 常用压缩格式,Linux常见压缩格式之压缩与解压
- 有些人真是笨的可以,劝我自己别多管闲事,切记切记
- euraka有哪些组件_SpringCloud及其五大常用组件之Eureka和Zuul
- vb.net中如何结束一个线程
- 将小程序代码转成uni-app代码
- python open() r和rb
- 内网穿透工具开发者运维人员必备
- 数据库的基本结构三个层次
- FFmpeg安卓流媒体播放器开发实战视频课程 -基于NDK、C++和 FFmpeg Android
- MIMIC-iv官方SQL查询标注(简单基础篇)
- android实现多任务多线程支持断点下载的下载软件
- 全景图的种类及opencv实现