跳转到主要内容
认证机构:IGI全球平台(112.34.110.149)
登录
注册
语言:
英语
欢迎使用InfoSci平台
IGI全球平台
IGI全球平台
无法进行身份验证。
IP:112.34.110.149
数据库搜索
数据库搜索
基本搜索
高级搜索
专家搜索
保存的搜索
索策略
研究工具
研究工具
帮助
用户指南
咨询委员会
用户资源
用户资源
针对研究人员
对于作者
对于图书馆员
参考中心
2
指数
以下列出了该标题:
关闭
参考中心
该研究被引用于:
第章
一种新的基于人脸和文本的情感识别深度学习融合方法
计算集体智能
10.1007/978-3-031-16014-1_7
第章
从光谱图中提取情绪
计算机视觉在网络安全中应用的全球展望
10.4018/978-1-6684-8127-1.ch005
关闭
最近搜索的热门结果
关闭
基于多模态特征的视听情感识别系统
阿南德·汉达、拉希·阿加瓦尔、纳伦德拉·科利
源标题:
国际认知信息学与自然智能杂志(IJCINI)
15(4)
版权:
© 2021
|
音量:
15
|
问题:
4
|
页:
14
国际标准编号:
1557-3958
|
EISSN公司:
1557-3966
|
EISBN13:
9781799859857
|
DOI(操作界面):
10.4018/IJCINI.20211001.oa34
引用文章
引用文章
MLA公司
Handa,Anand等人,《使用多模式特征的视听情感识别系统》
伊吉尼语
第15卷,第4期,2021年:第1-14页。
http://doi.org/10.4018/IJCINI.20211001.oa34
亚太地区
Handa,A.、Agarwal,R.和Kohli,N.(2021)。
使用多模式特征的视听情感识别系统。
国际认知信息学与自然智能杂志(IJCINI),15
(4), 1-14.
http://doi.org/10.4018/IJCINI.20211001.oa34
芝加哥
Handa、Anand、Rashi Agarwal和Narendra Kohli。
“使用多模式功能的视听情感识别系统”
国际认知信息学与自然智能杂志(IJCINI)
15,4号:1-14。
http://doi.org/10.4018/IJCINI.20211001.oa34
导出参考
收藏夹
完整发布下载
查看全文HTML
查看全文PDF
摘要
由于人脸几何形状和外观的高度变化,人脸表情识别(FER)仍然是一个具有挑战性的问题。
CNN可以表征二维信号。
因此,对于视频中的情感识别,作者在AlexNet体系结构中提出了一种特征选择模型,用于自动提取和过滤面部特征。
同样,对于音频中的情感识别,作者使用深度LSTM-RNN。
最后,他们提出了一个概率模型,用于使用对象的面部特征和语音融合音频和视频模型。
该模型结合了所有提取的特征,并使用它们训练线性SVM(支持向量机)分类器。
该模型优于其他现有模型,在音频、视频和融合模型方面达到了最先进的性能。
该模型对eNTERFACE’05数据集上的七种已知面部表情进行分类,即愤怒、高兴、惊讶、恐惧、厌恶、悲伤和中性,总准确率为76.61%。
如果出现与翻译网站中包含的信息的准确性有关的任何问题,
请参阅网站的英文版本,即官方版本。
访问
www.igi-global.com/gateway/terms-and-conditions网站/
了解更多信息。