基于双注意力模型和迁移学习的Apex帧微表情识别

摘要

微表情具有持续时间短、强度低的特点,其识别准确率普遍不高.针对该问题提出了一种改进的深度学习识别方法,该方法取微表情视频序列中的Apex帧,采用集成空间、通道双注意力模块的ResNetl8网络,引入Focal Loss函数解决微表情数据样本不平衡的问题,并将宏表情识别领域的先验知识迁移到微表情识别领域,以提高识别效果.在CASME Ⅱ微表情数据集上使用"留一交叉验证法"进行实验,结果表明本文方法相比一些现有的方法识别准确率及F1值更高.