基于面部深度空时特征的抑郁症识别算法

• 作 者: 于明 徐心怡 师硕 郝小可
• 机 构: 河北工业大学人工智能与数据科学学院
• 出 处: 电视技术
• 发表日期: 2020年11期
• 关键词: 抑郁症识别 深度空时特征 残差注意力网络 金字塔扩大 卷积长短时记忆网络 depression recognition deep spatio-temporal
• 基金项目: 国家自然科学青年基金(No.61806071),中国科学院自动化研究所模式识别国家重点实验室开放课题(No.201900043),河北省高等学校科学技术研究项目(No.QN2019207),天津科技发展战略研究计划(No.18ZLZXZF00660),河北省自然科学基金面上项目(No.F2019202381),河北省自然科学基金面上项目(No.F2019202464),天津市企业科技特派员项目(N

针对提取抑郁症患者人脸图像判别性特征困难的问题,提出基于残差注意力网络和金字塔扩大卷积长短时记忆(Convolutional Long Short-Term Memory,ConvLSTM)网络提取人脸图像空时特征的抑郁症识别算法。首先构建残差注意力网络提取人脸图像不同权值的空间特征,其次基于ConvLSTM网络加入金字塔扩大策略对所得空间特征提取不同尺度的时间特征,最后将空时特征输入DNN网络实现抑郁量表得分的回归分析。在AVEC 2013和AVEC 2014的测试集上进行验证,结果显示在两个数据