潘仙张
- 作品数：5 被引量：24H指数：2
- 供职机构：台州学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金教育部人文社会科学研究基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种融合AI面部表情识别和主观打分的满意度评价系统
- 本发明涉及一种融合AI面部表情识别和主观打分的满意度评价系统，视频监控单元获取被采集者的面部视频流，识别帧提取单元提取面部视频流中的一帧或多帧进行识别；人脸图像处理单元基于识别帧获取被采集者信息、提取面部表情特征并进行面...
- 潘仙张陈坚马仁利
- 一种基于混合深度学习的视频序列表情识别方法
- 本发明公开了一种基于混合深度学习的视频序列表情识别方法。实现步骤为：(1)视频序列的预处理；(2)采用时空卷积神经网络提取视频片段的时空特征；(3)采用深度信念网络实现视频片段上提取的时空特征的深度融合；(4)采用平均池...
- 张石清赵小明潘仙张
- 文献传递
- 基于面部表情识别的课堂教学效果评价系统
- 本发明公开了一种基于面部表情识别的课堂教学效果评价系统。本发明通过实时分析课堂上的视频，提取出课堂上学生的面部表情，统计分析出学生在课堂上的理解度、活跃度、疑惑度和活跃时间指标信息供教师了解学生的心理状态，学生对该知识点...
- 潘仙张张石清
- 文献传递
- 多模深度卷积神经网络应用于视频表情识别被引量：19
- 2019年
- 由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络,用于视频中的时空表情特征学习。其中,空间卷积神经网络用于提取视频中每一帧静态的表情图像的空间信息特征,而时间卷积神经网络用于从视频中多帧表情图像的光流信息中提取动态信息特征。然后,将这两个深度卷积神经网络学习到的时空特征进行基于深度信念网络(DBN)的特征层融合,输入到支持向量机实现视频中的人脸表情分类任务。在公共的RML和BAUM-1s视频情感数据集的测试结果表明,该方法分别取得了71.06%和52.18%的正确识别率,明显优于现有文献报导的结果。多模深度卷积神经网络的人脸表情识别方法能提高视频中人脸表情的识别性能。
- 潘仙张张石清郭文平
- 关键词：表情识别
- 基于小波神经网络的流量自回归预测研究被引量：5
- 2014年
- 通过应用系统的历史网络流量训练小波神经网络的各个参数,最终确定收敛的小波神经网络的结构。证明流量的自回归短期预测是个NP问题,分析小波神经网络预测算法的时间复杂度。通过实验结果表明,采用小波神经网络相对于BP、GRNN、解决此类NP问题具有良好预测效果和收敛速度。
- 应国良潘仙张李慧桂田京波
- 关键词：数据挖掘小波神经网络网络应用系统
