研究目的
提出一种新颖的多视角卷积神经网络(CNN)模型用于三维面部表情识别(FER),该模型将观测到的三维面部的多视角信息和面部先验知识融入学习过程。
研究成果
与现有最先进研究相比,所提出的三维面部表情识别多视角卷积神经网络模型展现出良好效果。通过融入面部先验知识,该网络能通过聚焦关键区域来更好地学习表情特征。未来工作包括研究各视角对识别的贡献度,并将该方法扩展至四维数据应用。
研究不足
性能取决于三维面部关键点检测和区域聚类的准确性。该方法需要精确建立人脸模型之间的密集对应关系。
研究目的
提出一种新颖的多视角卷积神经网络(CNN)模型用于三维面部表情识别(FER),该模型将观测到的三维面部的多视角信息和面部先验知识融入学习过程。
研究成果
与现有最先进研究相比,所提出的三维面部表情识别多视角卷积神经网络模型展现出良好效果。通过融入面部先验知识,该网络能通过聚焦关键区域来更好地学习表情特征。未来工作包括研究各视角对识别的贡献度,并将该方法扩展至四维数据应用。
研究不足
性能取决于三维面部关键点检测和区域聚类的准确性。该方法需要精确建立人脸模型之间的密集对应关系。
加载中....
您正在对论文“[IEEE 2019年第21届国际多媒体信号处理研讨会(MMSP) - 马来西亚吉隆坡 (2019.9.27-2019.9.29)] 2019 IEEE第21届国际多媒体信号处理研讨会(MMSP) - 基于多视角与先验知识融合的3D面部表情识别”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期