《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》

  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

《采用时空注意力机制的人脸微表情识别》

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

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。