《表1 自发表情数据库：小数据样本深度迁移网络自发表情分类》
提示：宽带有限、当前游客访问压缩模式
为评估本文方法对自发表情种类的判别效果，使用3个公开的数据库CASME、CASMEⅡ和CAS（ME）2（如表1所示）对不同的网络模型分别进行训练与测试。
| 图表编号 | XD0082894500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.05.16 |
| 作者 | 付晓峰、吴俊、牛力 |
| 绘制单位 | 杭州电子科技大学计算机学院、杭州电子科技大学计算机学院、杭州电子科技大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 自发性公共空间分类及活动数据统计》2020.10.10
- 《表1 欧盟、美国和日本的自发报告系统数据库比较》2021.02.28
- 《表1 3个自发微表情数据集》2021.02.15
- 《表5 使用人脸识别网络模型得到的面部表情数据库基线》2020.11.16
- 《表1 基于静态图像的深度人脸表情识别算法在常见数据库上的性能比较》2020.11.16
- 《表1 国内外常用人脸表情数据库总结》2021.02.10
- 《表1 标注数据：融入表情特征的网络舆情情感分析方法研究》2020.10.01
- 《表2 学生表情数据库：学生表情识别研究综述》2020.11.05
- 《表2 微表情数据库数据归类参照》2020.12.05
- 《表1 数据集信息：基于深度度量学习的小样本商品图像分类研究》2020.09.15
- 《表1 常用数据集：传统机器学习与深度学习的表情识别综述》2020.06.15
- 《表5 表情识别数据集样本数》2020.07.10
- 《表2 人脸表情数据库：基于低像素人脸图像的表情识别》2020.05.25
- 《表5 跨数据集：基于卷积神经网络的表情识别》2020.04.25
- 《表1 实验数据：面向类内差距表情的深度学习识别》2020.04.16
- 《表3 模型参数初始化：基于数据增强和卷积神经网络的面部表情识别研究与实现》2020.01.01
- 《表1 增强后的数据集：基于数据增强和卷积神经网络的面部表情识别研究与实现》2020.01.01
- 《表2 网络各层参数：基于数据增强和卷积神经网络的面部表情识别研究与实现》2020.01.01
- 《表1 分类结果：基于卷积神经网络的人脸表情识别》2018.01.01
- 《表1 基于MLGBP-TOP模式的表情识别方法与其它方法的识别率 (Cohn-Kanade人脸表情数据库)》2018.02.20