-
公开(公告)号：CN109409287A
公开(公告)日：2019-03-01
申请号：CN201811250453.4
申请日：2018-10-25
Applicant: 山东大学
Abstract: 本发明涉及一种由宏表情到微表情的迁移学习方法，在训练过程中该模型采用子空间投影的方式，将微表情特征矩阵和宏表情特征矩阵投影到公共子空间中，并用宏表情特征矩阵重构微表情特征矩阵，通过施加约束的方式使得公共子空间内宏表情和微表情特征和结构差别最小化，使得子空间内宏表情和微表情关联最大化，迭代优化目标投影矩阵，最后将测试集数据利用求得的目标投影矩阵投影到公共子空间并采用KNN进行分类。实现了将已有的宏表情域样本的有用信息迁移到微表情域，相当于扩充已标记微表情的样本数目，克服了微表情样本少标记困难的弊端。该方法不仅减少了标记的人力浪费，而且大大的提高了识别性能，提供了微表情识别的另一种策略。
-
公开(公告)号：CN109409287B
公开(公告)日：2021-05-14
申请号：CN201811250453.4
申请日：2018-10-25
Applicant: 山东大学
Abstract: 本发明涉及一种由宏表情到微表情的迁移学习方法，在训练过程中该模型采用子空间投影的方式，将微表情特征矩阵和宏表情特征矩阵投影到公共子空间中，并用宏表情特征矩阵重构微表情特征矩阵，通过施加约束的方式使得公共子空间内宏表情和微表情特征和结构差别最小化，使得子空间内宏表情和微表情关联最大化，迭代优化目标投影矩阵，最后将测试集数据利用求得的目标投影矩阵投影到公共子空间并采用KNN进行分类。实现了将已有的宏表情域样本的有用信息迁移到微表情域，相当于扩充已标记微表情的样本数目，克服了微表情样本少标记困难的弊端。该方法不仅减少了标记的人力浪费，而且大大的提高了识别性能，提供了微表情识别的另一种策略。
-
Search Results
2
records
(took 0.018 seconds)
