...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal on multimodal user interfaces >Combining feature-level and decision-level fusion in a hierarchical classifier for emotion recognition in the wild
【24h】

Combining feature-level and decision-level fusion in a hierarchical classifier for emotion recognition in the wild

机译：在层次分类器中结合特征级和决策级融合，以进行野外情感识别

获取原文
获取原文并翻译 | 示例
   

获取外文期刊封面封底 >>

       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Emotion recognition in the wild is a very challenging task. In this paper, we investigate a variety of different multimodal features (acoustic and visual) from video clips to evaluate their discriminative abilities in human emotion analysis. For each clip, we extract MSDF BoW, LBP-TOP, PHOG, LPQ-TOP and Audio features. We train different classifiers for every type of feature on the AFEW dataset from the ICMI 2014 EmotiW Challenge, and we propose a novel hierarchical classification framework, which combines the feature-level and decision-level fusion strategy for all of the extracted multimodal features. The final achievement we gain on the AFEW test set is 47.17%, which is considerably better than the best baseline recognition rate of 33.7%. Among all of the teams participating in the ICMI 2014 EmotiW challenge, our recognition performance won the first runner-up award. Furthermore, we test our method on FERA and CK datasets, the experimental results also show good performance.
机译：在野外进行情感识别是一项非常具有挑战性的任务。在本文中，我们从视频剪辑中研究了多种不同的多峰特征（声音和视觉），以评估它们在人类情感分析中的判别能力。对于每个剪辑，我们提取MSDF BoW，LBP-TOP，PHOG，LPQ-TOP和音频功能。我们从ICMI 2014 EmotiW挑战赛的AFEW数据集中为每种类型的特征训练了不同的分类器，并提出了一个新颖的分层分类框架，该框架结合了所有提取的多峰特征的特征级和决策级融合策略。我们在AFEW测试仪上获得的最终成绩为47.17％，大大优于33.7％的最佳基准识别率。在参加ICMI 2014 EmotiW挑战赛的所有团队中，我们的表彰表现均获得了亚军。此外，我们在FERA和CK数据集上测试了我们的方法，实验结果也显示出良好的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号