【摘 要】
：
人的微表情变化通常发生在一个人试图隐藏真实感受的情况下,与常规面部表情相比,它具有持续时间短、动作强度低的特性,能够揭示出与人们内心真实活动有关的信息。近年来,微表情识别因其在犯罪检测、商业谈判、刑事审讯等领域有重要的应用价值而逐渐引起了研究者的关注。根据所使用的数据源种类,微表情识别可以在单一数据域和交叉数据域上进行研究。然而目前微表情识别研究仍处于初始阶段,主要存在以下问题:一是微表情数据库不
论文部分内容阅读
人的微表情变化通常发生在一个人试图隐藏真实感受的情况下,与常规面部表情相比,它具有持续时间短、动作强度低的特性,能够揭示出与人们内心真实活动有关的信息。近年来,微表情识别因其在犯罪检测、商业谈判、刑事审讯等领域有重要的应用价值而逐渐引起了研究者的关注。根据所使用的数据源种类,微表情识别可以在单一数据域和交叉数据域上进行研究。然而目前微表情识别研究仍处于初始阶段,主要存在以下问题:一是微表情数据库不足;二是微表情本身的细微动作特点导致大多数特征提取方法缺乏鲁棒性。本文针对以上问题,从不同的数据源角度出发,基于深度学习的技术提出了如下两个方案:1.基于数据增强和代价敏感学习的微表情识别算法。在单一数据域微表情识别问题上,本文从数据多样性的角度出发设计了一种新的数据增强方法,同时考虑到微表情数据集中各类样本数量之间存在不均衡问题,本文提出了一种基于样本数量和有效样本数量的类别权重计算方式。在此基础之上,提出了浅层卷积神经网络模型进行算法实现。实验结果表明,本文提出的基于数据增强和代价敏感学习的模型能够很好地完成微表情类别预测,并且在准确率、F1分数指标上优于现有的绝大多数算法。2.基于特征子空间分离的交叉域微表情识别算法。考虑到实际应用中算法模型的训练样本和测试样本可能存在一定的特征分布差异,本文进一步研究了交叉数据域微表情识别问题,提出了一种基于特征子空间分离的域适应网络模型,将深度学习技术应用到交叉域微表情识别问题上。该模型由三条并行的卷积神经网络组成,为了增强网络模型对特征的表达性能,引入注意力机制来得到更具类鉴别性的特征。实验结果表明了本文提出的深度学习模型和选用的注意力机制的有效性,并且与传统算法相比,在准确率和召回率指标上取得了较好的结果。
其他文献
点云是雷达扫描所得到的一系列点的坐标的集合。由于点云环境表达精准且包含丰富的三维地理信息,点云目标感知被广泛应用于自动驾驶汽车中准确环境感知任务。近些年来,随着深度学习的不断突破和三维点云数据的可及性,基于神经网络的点云目标感知算法取得了极大发展。利用神经网络从非结构化的点云数据中提取高语义、鲁棒的特征是点云目标感知算法的研究重点。针对现有点云目标感知算法中下采样方法仅利用点云地理信息的问题,本文
＜正＞我国正在进入老龄化社会，老年人中心血管疾病患者人数也在不断增加，给社会和家庭造成的负担越来越严重[1]。研究证明运动能力的下降会使老年人失能的风险增加，降低老年人的生活质量[2]。找到改善老年人心血管功能和运动能力的手段，对预防老年人心血管疾病发生和改善老年人生活质量具有重要意义。目前，运动干预越来越受到研究人员的重点关注，运动干预已经成为治疗老年人心血管疾病的有效方法[3]。研究发现，
音频场景识别旨在用计算机分析音频信号所处的环境信息,具有重要的研究意义。音频场景识别方法对输入的声学特征表示进行特征提取,并利用得到的声学特征分类场景类型。随着大数据技术和高性能处理器的发展,基于深度学习的音频场景识别方法通过监督学习策略,解决了传统方法对高维多分类复杂关系建模的难题。然而,现有的方法在实际应用时仍面临算法针对性不强、训练数据量不足、计算复杂度过高和模型可解释性差等问题。因此,本文
雾天采集到的图像存在对比度下降和色彩偏移等问题,降质图像会严重影响计算机视觉系统的处理性能,图像去雾研究具有重要的理论意义和现实意义。本文深入研究基于深度学习的去雾方法,并针对现有端到端去雾网络存在去雾不彻底、细节模糊以及颜色失真等问题提出两种去雾新方法,主要工作如下:针对现有去雾网络对图像特征提取不完整、网络模型泛化能力不足等问题,本文基于卷积神经网络设计了一种基于内容特征和风格特征融合的去雾网
＜正＞陕西省宝鸡市城市管理执法局以建设法治政府和法治城管为目标，以法治建设反馈问题整改和示范创建为抓手，扎实推进依法行政、文明执法，取得积极成效。2022年，宝鸡市城市管理执法局被宝鸡市司法局评为法治建设优秀单位。深入学习习近平法治思想
3D视频在2D视频的基础上增加了视点数目和深度数据,其数据量要远大于2D视频,给视频的存储和传输带来了巨大的挑战。因此,如何实现高效的3D视频压缩编码具有重要的理论研究意义和实际应用价值。近年来,随着人工智能技术的发展,深度学习在视频处理领域得到了有效应用,为3D视频压缩编码提供了新的发展思路。为了进一步提高3D视频编码效率,本文借助于深度学习技术,利用3D视频的空域、时域和视点域相关性,开展了基
随着三维数据采集、可视化、硬件设备的技术升级以及互联网行业的快速发展,三维模型已经成为一种主流的多媒体方式。如何在大量数据中检索到相似的三维模型已成为一个至关重要的研究课题。通常解决方法分为两类,分别为基于模型的检索算法与基于视图的检索算法。早期的方法主要是基于模型的算法,需要直接从明确的三维模型中学习拓扑结构、骨架信息等。基于视图的算法以不同的视图表示三维模型,并经过若干卷积层、池化层、全连接层
阿尔茨海默症（Alzheimer’s Disease,AD）是一种不可逆的神经退行性疾病。当AD患者在临床上出现症状时,病情通常已经发展到了晚期,医疗干预无法再对患者产生积极作用。因此利用神经影像技术在病变之前发现患者脑内异常的变化并进行早期干预,对AD的早期防治具有非凡的意义。然而如何有效地利用神经影像技术提高AD诊断的准确率仍然存在较大的问题,为此本文从单模态和多模态两个方面来探讨AD分类中的
＜正＞2022年，广西壮族自治区防城港市城市管理监督局（以下简称“防城港市城管局”）不断推进城市管理综合执法改革，加大对市容环境卫生、建筑垃圾等领域的监管处罚力度，法治建设工作成效明显。建立健全法治工作推进机制2022年初，防城港市城管局主要负责人在党组会议、党组理论学习中心组组织学习中央全面依法治国工作会议、中央依法治国委员会会议精神和习近平总书记重要讲话、重要指示批示精神，
目标检测一直是计算机视觉领域最热门的研究课题之一。传统的目标检测方法大多基于手动设计的特征提取策略和滑动窗口的区域选择策略,鲁棒性较差、时间复杂度较高。近年来,随着具有强大特征提取能力和局部感知能力的卷积神经网络（Convolutional Neural Network,CNN）广泛应用于计算机视觉领域,目标检测算法的精确度和速度都得到了大幅提升。其相关技术已广泛应用于智能交通、工业制造、军事国防