《表3 在AVEC 2013与其他算法的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于面部深度空时特征的抑郁症识别算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

将本文算法在AVEC 2013和AVEC 2014数据集分别与其他算法进行比较，实验结果如表3和表4所示。在两个数据集上，本文抑郁程度预测值与真实值之间的MAE值分别为6.79和6.48，RMSE值分别为8.85和8.67，优于基于手工特征的方法。与基准算法相比，本文算法在AVEC 2013数据集上MAE值下降了4.09，RMSE值下降了4.76，优于基于手工特征和深度特征的方法。在手工特征和深度特征方面，以VLDN+Bi-LSTM算法的对比为例，在AVEC 2013数据集上，MAE值识别精度提高了3.55%，RMSE值识别精度提高了0.89%。在深度特征方面，以双流CNN算法的对比为例，在AVEC2013数据集上，本文算法MAE值的识别精度提高了10%，RMSE值的识别精度提高了9%，在AVEC2014数据集上，MAE值识别精度提高了13%，RMSE值的识别精度提高了7%。