《表1 STANet与其他算法在CASME,CASME II和SMIC-HS数据集上的识别准确率比较》
注:加粗字体为每列最优值。*代表基于光流的方法。8个算法的实验结果均直接引用相关论文的实验结果。N/A表示论文中没有相关数据集的实验结果。
本文在3个公共数据集上的定性结果如图2所示。分别从3个数据集中的一段视频序列中随机选择了8个样本裁剪得到只含脸部的图像。本文与当前最优的8个基于脸部图像、基于光流和基于深度学习的算法进行了比较,实验结果如表1所示。基于脸部图像的方法Di STLBP-RIP的识别准确率超过了早期的光流方法FDM和MDMO。但是,相比Sparse MDMO仍有差距。一个可能的原因是Sparse MDMO光流法减少了冗余的特征信息,得到的特征更为稀疏,能更精细地反映微表情的细节变化。相比这8个算法,本文方法STANet在CASME和CASME II数据集上取得了当下最高的识别准确率,验证了空间和时间注意力模块的有效性。
图表编号 | XD00201379500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.16 |
作者 | 李国豪、袁一帆、贲晛烨、张军平 |
绘制单位 | 复旦大学计算机科学技术学院上海市智能信息处理重点实验室、复旦大学计算机科学技术学院上海市智能信息处理重点实验室、山东大学信息科学与工程学院、复旦大学计算机科学技术学院上海市智能信息处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |