资讯 人工智能
此为临时链接,仅用于文章预览,将在时失效

PRICAI 2016 论文精选 | 基于稀松K-SVD算法的自发性微表情识别

作者:no name
2016/08/29 13:22

导读:随着信息采集技术和传感器技术的迅速发展,利用计算机视觉技术识别微表情的相关研究实验已经越来越多。这些试验中,实际获取的图像数据的维数越来越高,如何有效地描述图像,方便后续处理,已成为图像处理、模式识别、机器学习等领域急需要解决的问题之一。在已有的众多的方法中,稀疏算法以其鲁棒性好、泛化能力和抗干扰能力强等优势,已成为目前研究的热点。本文被 PRICAI 2016 大会收录,探讨了基于稀松K-SVD算法的自发性微表情识别。

PRICAI 2016 论文精选 | 基于稀松K-SVD算法的自发性微表情识别

标题:基于稀松K-SVD算法的自发性微表情识别

摘要:微表情识别因为太过细微,一直是计算机视觉领域一个具有挑战性的问题,但往往很难隐藏。本文提出了一种稀松K-SVD算法(RK-SVD)来学习用于自发性微表情识别的稀疏字典。在RK-SVD中,考虑到重建误差和分类误差,将稀疏系数的方差最小化来处理同类相似性和异类差异性。通过K-SVD算法和随机梯度下降算法实现优化。最后,一个单独的过完备词典和一个最优线性分类器同时被学习。实验结果基于两个自发性微表情数据库,CASME和CASME II,表明新算法的性能优于其他先进算法。

关键词:K-SVD相关;字典学习;微表情识别


第一作者简介:

Hao Zheng

南京晓庄学院,信息工程学院,可信云计算和大数据分析重点实验室;

东南大学,计算机科学与工程学院,计算机网络及信息集成教育部重点实验室;

新型软件技术省级重点实验室。


via PRICAI 2016

论文原文件下载

雷锋网按: 本文由雷锋网独家编译,未经许可禁止转载!

PRICAI 2016 论文精选 | 基于稀松K-SVD算法的自发性微表情识别

长按图片保存图片,分享给好友或朋友圈

PRICAI 2016 论文精选 | 基于稀松K-SVD算法的自发性微表情识别

扫码查看文章

正在生成分享图...

取消
相关文章