《表1 三种方法在CASME2数据集上的实验结果》
对于不使用加权方案的情况,模型MMFIL获得的结果高于MMFL在CASME2数据集上的结果,表明MMFIL可以生成具有更多判别信息的中级特征表示,解决同一人的不同类表情和不同人的同类表情的特征相似度更高,可用判别信息更少的问题。对于使用加权方案wbalance的情况,模型MMFIL获得的结果高于MMFL和原始低级特征的结果。表明提出的多任务中级特征个性化学习方法的有效性,通过个性化学习生成了具有更高泛化能力的中级特征,对同一人的不同类表情和不同人的同类表情泛化能力更强,从而带来了更好的识别性能。此外,使用两种加权方案,对于CASME2数据集,可以观察到不同的加权方案结果。在CASME2中,无论是否使用多任务中级特征个性化学习方法,使用wbalance的结果都显著高于使用wactive的结果,这可能是由于在非活跃区域中包含了较多微表情的细微变化,通过使用wbalance加大了非活跃区域的权重,从而产生了更好的识别结果。
图表编号 | XD0090185200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.15 |
作者 | 刘振、王甦菁、李擎 |
绘制单位 | 北京信息科技大学高动态导航技术北京市重点实验室、中国科学院心理研究所行为科学重点实验室、北京信息科技大学高动态导航技术北京市重点实验室 |
更多格式 | 高清、无水印(增值服务) |