改进残差网络与峰值帧的微表情识别

目的 微表情(Micro Expression, ME)是人们流露内心情感时展现出的细微面部表情。针对微表情识别的样本较少且不同类别数量分布不均导致难以识别和识别准确率较低的问题,提出能够提高微表情识别准确率的模型框架。方法 提取微表情视频序列中含有更多关键表情信息的峰值帧;使用加入SE模块的改进残差网络SE-ResNeXt-50对微表情的峰值帧进行特征提取,其中SE模块可以更好地学习特征中的关键信息,ResNeXt通过分组卷积的方式用稀疏结构取代密集结构从而使结构更加简化,提升了识别效率。与此同时,使用Focal Loss损失函数可以更好地解决因微表情数据的不平衡带来的模型性能问题。结果 在微表情数据集CASMEⅡ上进行了仿真实验,可以发现改进的残差网络与峰值帧提高了微表情识别的准确率与F1值。结论 改进的残差网络与峰值帧可以降低数据集较少所带来的影响,使模型有着良好的拟合效果,同时改善了在不同类别上表现差异较大的问题,提升了微表情的识别准确率,对于微表情识别有着更好的识别性能。     

超临界甲醇中D-(-)-阿拉伯糖催化液化研究

以CuO-ZnO/Al2O3复合氧化物为催化剂,采用间歇式高温高压反应釜,超临界甲醇为液化介质,对半纤维素D-(-)-阿拉伯糖进行催化液化研究.考察了反应温度、反应时间、催化剂用量、甲醇填充率对D-(-)-阿拉伯糖转化率的影响.同时采用正交试验进行优化.结果表明:当反应温度320 ℃,反应时间30 min,催化剂用量100%、甲醇填充率40%,此工艺条件下D-(-)-阿拉伯糖转化率为99.98%.通过GC-MS分析了D-(-)-阿拉伯糖液化产物,检测分析表明,其液化产物成分复杂,主要有:酯类、醇类、酮类.