作者小头像 Lv.2
更多个人资料
91 成长值
5 关注
10 粉丝
+ 关注 私信

个人介绍

Affective Computing, Action Unit, Depression

感兴趣或擅长的领域

人工智能
个人勋章
TA还没获得勋章~
成长雷达
70
21
0
0
0

个人资料

个人介绍

Affective Computing, Action Unit, Depression

感兴趣或擅长的领域

人工智能

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
FACS3D-Net: 基于三维卷积时空表示学习的面部动作单元检测
随着人工智能的发展,让机器学会识别人的情感在人机交互中具有很大应用潜力。而面部表现出来的情感占我们日常生活中的绝大部分,因此通过设计基于人脸的表情识别系统,就显得很重要。本博客介绍了笔者关于人脸动作单元检测领域的新工作,该工作在人脸动作单元检测领域取得了很好的性能,发表于情感计算领域的顶级会议中。
人工智能 机器学习
作者小头像 ForEver207 2023-06-21 09:37:52
11427
0
0
2023-06-21 09:37:52
999+
0
0
基于特征生成网络的训练数据增广及抑郁程度估计模型
随着社会经济发展,人们的生活压力也越来越大,所以抑郁症慢慢成了一种社会常见的精神疾病。目前,医院诊断抑郁症的主要方式还是靠一些调查问卷和访谈,但是首先我国心理医生数量较少,导致很多患者不能及时得到诊疗,其次医生访谈的过程主观性比较强,同一个病人不同医生的诊断结果可能都是有差异的。因此,我们的目标就是借助计算机的技术,通过分析患者的音视频和文本信息,来实现一个自动化抑郁症的分析系统。
人工智能 机器学习
作者小头像 ForEver207 2023-06-21 09:35:33
10481
0
3
2023-06-21 09:35:33
999+
0
3
集成深层与浅层结构的多模态抑郁症估计与识别模型(三)
在本工作中,我们首先提出一个新的视觉描述特征—位移范围直方图HDR来描述患者面部肌肉运动的信息,因为有心理学文献指出,抑郁症患者通常会表现出运动迟滞的现象,另外就是提出使用PV-SVM来进行自动化的文本分析,这就回答了上一章留下来的问题。另外这一章另一个重点是根据模态之间的特性探索了多模态融合的框架,提出了三种融合模型。
视频 机器学习
作者小头像 ForEver207 2020-07-23 20:51:58
10661
0
0
2020-07-23 20:51:58
999+
0
0
集成深层与浅层结构的多模态抑郁症估计与识别模型(二)
在本工作中,我们首先提出一个新的视觉描述特征—位移范围直方图HDR来描述患者面部肌肉运动的信息,因为有心理学文献指出,抑郁症患者通常会表现出运动迟滞的现象,另外就是提出使用PV-SVM来进行自动化的文本分析,这就回答了上一章留下来的问题。另外这一章另一个重点是根据模态之间的特性探索了多模态融合的框架,提出了三种融合模型。
人工智能 机器学习 AI
作者小头像 ForEver207 2020-07-23 20:08:16
7472
0
0
2020-07-23 20:08:16
999+
0
0
集成深层与浅层结构的多模态抑郁症估计与识别模型(一)
在本工作中,我们首先提出一个新的视觉描述特征—位移范围直方图HDR来描述患者面部肌肉运动的信息,因为有心理学文献指出,抑郁症患者通常会表现出运动迟滞的现象,另外就是提出使用PV-SVM来进行自动化的文本分析,这就回答了上一章留下来的问题。另外这一章另一个重点是根据模态之间的特性探索了多模态融合的框架,提出了三种融合模型
人工智能 机器学习 AI
作者小头像 ForEver207 2020-07-21 21:29:47
10823
0
2
2020-07-21 21:29:47
999+
0
2
MultiAtt-DPNet: 基于多注意力机制及局部时空信息的端到端抑郁症估计网络(三)
在上一节中,我们介绍了D-PAttNet网络。可以看到,D-PAttNet在AU检测任务中达到了state-of-the-art性能,说明将人脸分块进行空间和时间信息的学习对于人脸分析具有很重要的作用,而且D-PAttNet是端到端建模,避免了动态信息的浪费。因此可以将D-PAttNet用于基于人脸的抑郁症分析,但是还有一个问题,抑郁症的访谈时长要远远长于AU的动态变化时长,有时候有些视频帧不重要
人工智能 机器学习 AI
作者小头像 ForEver207 2020-07-21 20:51:46
10433
0
2
2020-07-21 20:51:46
999+
0
2
D-PAttNet: 利用动态分块注意模型进行面部动作单元检测(二)
在上一篇文章中(FACS3D-Net: 基于三维卷积时空表示学习的面部动作单元检测(一)),我们介绍了人脸面部动作单元的相关知识和我们在EB+数据库上的最新工作,在该工作的基础上,我们进行拓展,提出了D-PAttNet: 利用动态分块注意模型进行面部动作单元检测。D-PAttNet在BP4D公开数据集上取得了最佳的实验性能。
人工智能 机器学习 AI
作者小头像 ForEver207 2020-06-20 19:53:52
6027
0
0
2020-06-20 19:53:52
999+
0
0
https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注