{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,3,26]]，“日期-时间”：“2024-03-26T16:11:06Z”，“时间戳”：1711469466704}，“引用-计数”：23，“发布者”：“MDPI AG”，“问题”：“5”，“许可证”：[{“开始”:{“日期-零件”：[2022,4,19]]，”日期-时间“：”2022-04-1 9T00:00:00Z“，”时间戳“：1650326400000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“名称”：“中国科学院重点研究计划”，“奖项”：[“批准号：ZDRW-ZS-2021-1”]}]，”content-domain“：{”domain“:[]，”crossmark-restriction“：false}，”short-container-title“：[”Information“]，”abstract“：”基于视频的动态面部情感识别（FER）是一项具有挑战性的任务，因为必须捕捉和区分代表情绪变化的微小面部运动，同时忽略不同对象的面部差异。最近的最新研究通常采用更复杂的方法来解决此任务，例如大规模深度学习模型或参考多个子模型的多模态分析。根据FER任务的特点和现有方法的不足，本文提出了一种轻量级方法，并设计了三个可灵活插入主干网的注意模块。通过卷积层提取空间、信道和时间三个维度的关键信息，生成了池层、多层感知（MLP）和其他方法以及注意权重。通过在同一级别共享参数，三个模块在增强对人脸特定区域、静态图像有效特征信息和关键帧的关注度的同时，不会添加过多的网络参数。在CK+和eNTERFACE\u201905数据集上的实验结果表明，该方法可以实现更高的精度<\/jats:p>“，”DOI“：”10.3390\/info13050207“，”type“：”期刊文章“，”已创建“：｛”日期部分“：[[2022,4,20]，”日期时间“：”2022-04-20T02:07:26Z“，”时间戳“：1650420446000｝，”page“：”207“，”source“：”Crossref“，”被count引用“：5，”title“：[”动态面部情绪识别的多注意力模块“]，”prefix“：”10.3390“，”volume“：”13“，”author“：[｛”ORCID“：”http://\/ORCID.org\/00000-0003-4956-5451“，”authenticated-ORCID“：false，”given“：Junnan”，”family“：”Zhi“，”sequence“：”first“，”affiliation“：[]}，”giving“：”Tingting“，“family”：“Song”，“sequence”：“additional”，“affiliance”：[]{“given”：“Kang”，”家人“：”Yu“，”序列“：”additional“，“afliation”：[]}，{“给定”：“Feng”en“，”family“：”Yuan“，”sequence“：”additional“，”affiliation“：[]}，{”given“：”Huahiang“，”family“：”Wang“，”sequence“：9]]}，“引用”：[{“键”：“ref1“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/s11831-022-09710-1“}，{“key”：“ref2”，“doi-assert-by”：“publisher”，“doi”：“10.1371”\/journal.pone.0262527“}”，{”key“：”ref3“，”doi-asserted-by“”：“publisher”，“doi”：”10.1017\/S1355617714000939“}、{“key”：”ref4“，”unstructured“：”深度面部表情识别：一项调查。IEEE情感计算汇刊http://ieeexplore.IEEE.org\/abstract\/document\/903958010.1016\/j.imavis.2008.005“}，{”key“：”ref8“}、{”key“：by“：”publisher“，”doi“：”10.3390\/app12010527“}，{”key“：”ref13“}doi-asserted-by“：”publisher“，”doi“：”10.1109\/ICDEW.2006.145“}，{“key”：“ref15”，“doi-assert-by”：“publisher”，“doi”：“10.1109\/icip.2019.8803603”}，“key“：”ref16“}情绪识别与空间注意和时间softmax池”，“作者”：“Aminbeidokhti”，“年份”：“2019”}，{“key”：“ref18”，“doi-asserted-by”：“publisher”，“doi”：“10.1109”\/LSP.2021.3063609“}，}”key：“ref19”，“doi-asserted-by”:“publishers”，“DI:“10.1145”\/3340555.3355720”}-title“：”网络中的网络“，”作者“：”Lin“，”year“：”2013“，”journal-title“：”arXiv“}，”{“key”：“ref22”，“article-title”：“CBAM：卷积块注意模块”，“author”：“Woo”，“year”：“2018”，“journal-title”:“arXiv”}，“key“：”ref23“，”article-title“”：“用于大规模图像识别的极深卷积网络”，”author“：”Simonyan“，“year”：“2014”，“日记标题”：“arXiv}]，“container-title“：[“Information”]，“original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/www.mdpi.com/2078-2489\/13\/5\/207\/pdf”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“similarity-checking”}]，“deposed”：{“date-parts”：[2022,4,20]]，“date-time”：”2022-04-20T02:53:32Z“，“时间戳”：1650423212000}，“分数”：1，“resource“：{”primary”：{“URL”：“https:\/\/www.mdpi.com\/2078-2489\/13\/5\/207”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{“date-parts”：[2022,4,19]]}，”references-count“：23，”journal-issue“:{”issue“：”5“，”published-online:{“date-ports”：[2022,5]}}、“alternative-id”：[“info13050207”]，“URL”：“http://\/dx.doi.org\/10.3390\/info13050207”，“关系”：{}，“ISSN“：[”2078-2489“]，“ISSN类型”：[｛”value“：”2078-2489“，”type“：”electronic“｝]，”subject“：[]，”published“：｛”date parts“：[[2022,4,19]]｝｝｝