10.19789/j.1004-9398.2021.02.004
基于3D⁃CNN和时空注意力⁃卷积LSTM的抑郁症识别研究
针对目前抑郁症识别方法中没有有效地从序列信息中刻画长时特征表示的问题,本文提出了一种基于三维卷积神经网络(3D-CNN)、时空注意力-卷积长短时记忆网络(STA-ConvLSTM)和空间金字塔池化(SPP)的端到端的抑郁症识别方法,计算在数据库AVEC2013和AVEC2014测试集上的抑郁症识别结果,并将本文结果与已发表文献结果进行对比分析.结果表明:在数据库AVEC2013和AVEC2014测试集上,平均绝对误差均为8.60,均方根误差分别为10.32和10.27,文献结果比较表明本文的抑郁症识别结果优于当前大多数基于面部视频的抑郁症识别方法.
抑郁症、时空注意力机制ConvLSTM(STA-ConvLSTM)、三维卷积神经网络、卷积长短时记忆神经网络
42
TP391.4(计算技术、计算机技术)
陕西省教育厅科研计划项目;陕西省普通高等学校重点学科专项资金建设项目;陕西省高等教育学会"疫情防控专项研究课题";陕西省提升公众科学素质计划新型冠状病毒感染肺炎应急科普2020PSLY；040
2021-05-17（万方平台首次上网日期，不代表论文的发表时间）
共9页
17-25
