一种用于微表情自动识别的三维卷积神经网络进化方法

摘要：

由于微表情持续时间短、动作幅度小,因此微表情自动识别一直是一个具有挑战性的问题.针对上述问题,提出一种用于微表情识别的三维卷积神经网络进化(Three-Dimensional Convolutional Neural Network Evolution,C3DEvol)方法.该方法使用能有效提取动态信息的三维卷积神经网络(Three-Dimensional Convolutional Neural Network,C3D)来提取微表情在时域和空域上的特征;同时使用具有全局搜索和优化能力的遗传算法对C3D的网络结构进行优化,以获取最优的C3D网络结构和避免局部优化.利用CASME2数据集在带有两块NVIDIA Titan X GPU的工作站上开展了实验,结果表明C3DEvol微表情自动识别的准确率达到63.71％,优于现有的微表情自动识别方法.

关键词：微表情识别、遗传算法、三维卷积神经网络、特征提取、网络结构优化

所属期刊栏目：47

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61763002

在线出版日期：2020-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：227-232