《表1 在CNN模块上不同数据的性能对比》
为了验证所提算法的有效性,设计了两组消融实验。第一组消融实验,验证提取的运动特征图比原始微表情序列具有更好的空间信息表达性能。选取CNN支路作为对比实验的框架。将输入序列的每一帧当作一个微表情样本,序列内图像标签统一,分别在单一CNN支路进行训练和测试,实验结果如表1所示。可以看出,原始数据的图像识别准确率只有36.65%,而光学应变图、LMF图及光流特征图的识别准确率分别是47.98%、45.70%、41.50%,说明特征图在CNN模块上具有比原始数据更好的特征表达能力,对微小的面部肌肉运动有更强的抽取能力。
图表编号 | XD00188259800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.25 |
作者 | 苏育挺、王蒙蒙、刘婧、费云鹏、何旭 |
绘制单位 | 天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院、天津大学电气自动化与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |