sdusgq的博客

文章：Revealing the Invisible with Model and Data Shrinking for Composite-database Micro-expression Recognition一、代码Datasets.pyimport osimport torchimport numpy as npfrom PIL import Imageimport matplotlib.pyplot as pltclass MEGC2019(torch.utils.data.D

Revealing the Invisible with Model and Data Shrinking for Composite-database Micro-expression Recognition摘要：重要的微小改变容易在深层模型中消失；本文分析了【模型复杂度】和【输入数据复杂度】的影响；【低分辨率输入数据】和【浅层模型】可缓解在深度模型中的退化；本文开发了三个无参数模块 —— wide expansion，shortcut connection ， attention unit简

STRCN 时空循环卷积网络用于识别自发微表情3-C时空连通性一张图的一个通道为矩阵的一个列；时空变化就在这个矩阵中；用STRCN学习处理这个矩阵 = 学习到外观特征；STRCN处理光流相关的信息（矩阵？）得到几何特征？图2两个图的不同点是：第一个每一个图像对应一个模块，多个模块叠加交到卷积层处理；第二个多个图像得到一个模块，交到卷积层处理；（1） type-1初始想法是将一张图片的所有的像素作为矩阵的一个列；这样的后果是矩阵特别大；那我们就找有效位置的像素作为列；为了得到这些有