期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双流结构缩放和多重注意力机制的轻量级脑电情感识别方法
1
作者
雷颖
刘峰
《计算机科学》
CSCD
北大核心
2023年第S01期229-237,共9页
脑电情感识别是一个复杂程度高、信息密度大、海量数据的多通道时序信号分类问题。为在保持现有分类精度的情况下减少计算参数量,实现脑电情感识别的精度与性能最优,提出了一种基于双流结构缩放和多重注意力机制的轻量级网络(LDM-EEG)...
脑电情感识别是一个复杂程度高、信息密度大、海量数据的多通道时序信号分类问题。为在保持现有分类精度的情况下减少计算参数量,实现脑电情感识别的精度与性能最优,提出了一种基于双流结构缩放和多重注意力机制的轻量级网络(LDM-EEG)。该网络以基于脑电信号的微分熵特征构造的时域-空域图谱和频域-空域图谱作为输入,采用对称的双流结构对上述两种特征分别处理,通过节约参数的新型残差模块和网络缩放机制来实现轻量化,并利用新型的通道-时/频-空多重注意力机制和后注意力机制提升模型特征聚合能力。实验结果表明,在参数量明显减小的情况下,模型在SEED数据集上实现了95.18%的准确率,达到了领域的最优结果。进一步地,在略低于现有模型准确率的基础上,其将参数量缩减了98%。
展开更多
关键词
脑电
情感
识别
时频双流
多重注意力
轻量级
结构缩放
可计算情感
在线阅读
下载PDF
职称材料
一种基于Bottleneck Transformer的轻量级微表情识别架构
被引量：
6
2
作者
张嘉淏
刘峰
齐佳音
《计算机科学》
CSCD
北大核心
2022年第S01期370-377,共8页
微表情是一种能够体现人真实情感的自发面部动作,其持续时间较短,动作幅度轻微,识别难度较大,但是有重要的研究价值。为解决微表情情感识别问题,提出了一种新型的轻量级微表情识别网络mini-AORCNN。该神经网络以顶点-起始点光流特征为输...
微表情是一种能够体现人真实情感的自发面部动作,其持续时间较短,动作幅度轻微,识别难度较大,但是有重要的研究价值。为解决微表情情感识别问题,提出了一种新型的轻量级微表情识别网络mini-AORCNN。该神经网络以顶点-起始点光流特征为输入,结合残差卷积神经网络与视觉Transformer的相关架构,可以有效完成微表情识别任务。这一网络包含一种参数量更小的新型残差模块,并用自注意力算子替换了最后一个残差块中的卷积算子,从而实现了Bottleneck Transformer架构。这一新型微表情识别网络在中科院CASME系列数据集上经过“留一被试交叉验证”(LOSO)的检验,确定其在情感分类任务上取得了73.09%的平均召回率(UAR)以及72.25%的平均F1-Score(UF1),上述准确率评价指标与极低的参数量(39185)在与微表情领域的多种主流模型的比较中体现出了明显的优势。文中还包含了一组消融实验,确保了光学应变强度、自注意力机制和相对位置编码等设计的优越性。
展开更多
关键词
微表情识别
视觉Transformer
自注意力机制
残差卷积神经网络
可计算情感
在线阅读
下载PDF
职称材料
题名
基于双流结构缩放和多重注意力机制的轻量级脑电情感识别方法
1
作者
雷颖
刘峰
机构
华东师范大学计算机科学与技术学院
上海对外经贸大学人工智能与变革管理研究院
华东师范大学上海智能教育研究院
华东师范大学心理与认知科学学院上海市心理健康与危机干预重点实验室
出处
《计算机科学》
CSCD
北大核心
2023年第S01期229-237,共9页
基金
上海市科技计划项目
中央高校基本科研业务费专项资金(20DZ2260300)。
文摘
脑电情感识别是一个复杂程度高、信息密度大、海量数据的多通道时序信号分类问题。为在保持现有分类精度的情况下减少计算参数量,实现脑电情感识别的精度与性能最优,提出了一种基于双流结构缩放和多重注意力机制的轻量级网络(LDM-EEG)。该网络以基于脑电信号的微分熵特征构造的时域-空域图谱和频域-空域图谱作为输入,采用对称的双流结构对上述两种特征分别处理,通过节约参数的新型残差模块和网络缩放机制来实现轻量化,并利用新型的通道-时/频-空多重注意力机制和后注意力机制提升模型特征聚合能力。实验结果表明,在参数量明显减小的情况下,模型在SEED数据集上实现了95.18%的准确率,达到了领域的最优结果。进一步地,在略低于现有模型准确率的基础上,其将参数量缩减了98%。
关键词
脑电
情感
识别
时频双流
多重注意力
轻量级
结构缩放
可计算情感
Keywords
EEG emotion recognition
Time-frequency dual streaming
Multiple attention
Lightweight
Structural scaling
Computational affection
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
一种基于Bottleneck Transformer的轻量级微表情识别架构
被引量：
6
2
作者
张嘉淏
刘峰
齐佳音
机构
华东师范大学计算机科学与技术学院
华东师范大学上海智能教育研究院
华东师范大学心理与认知科学学院上海市心理健康与危机干预重点实验室
上海对外经贸大学人工智能与变革管理研究院
出处
《计算机科学》
CSCD
北大核心
2022年第S01期370-377,共8页
基金
德科学中心项目“中国与德国的数字化转型:应对老龄社会的战略、结构与方案”(GZ1507)
上海市科技计划项目(20dz2260300)
中央高校基本科研业务费专项资金。
文摘
微表情是一种能够体现人真实情感的自发面部动作,其持续时间较短,动作幅度轻微,识别难度较大,但是有重要的研究价值。为解决微表情情感识别问题,提出了一种新型的轻量级微表情识别网络mini-AORCNN。该神经网络以顶点-起始点光流特征为输入,结合残差卷积神经网络与视觉Transformer的相关架构,可以有效完成微表情识别任务。这一网络包含一种参数量更小的新型残差模块,并用自注意力算子替换了最后一个残差块中的卷积算子,从而实现了Bottleneck Transformer架构。这一新型微表情识别网络在中科院CASME系列数据集上经过“留一被试交叉验证”(LOSO)的检验,确定其在情感分类任务上取得了73.09%的平均召回率(UAR)以及72.25%的平均F1-Score(UF1),上述准确率评价指标与极低的参数量(39185)在与微表情领域的多种主流模型的比较中体现出了明显的优势。文中还包含了一组消融实验,确保了光学应变强度、自注意力机制和相对位置编码等设计的优越性。
关键词
微表情识别
视觉Transformer
自注意力机制
残差卷积神经网络
可计算情感
Keywords
Micro-expression recognition
Visual Transformer
Self-attention mechanism
Residual convolutional neural network
Computational affection
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双流结构缩放和多重注意力机制的轻量级脑电情感识别方法
雷颖
刘峰
《计算机科学》
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
2
一种基于Bottleneck Transformer的轻量级微表情识别架构
张嘉淏
刘峰
齐佳音
《计算机科学》
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
