近日，学院脑机接口与混合智能团队梁艳老师等在SCI期刊Pattern Recognition（影响因子：8.0，中科院SCI一区，JCR Q1，大类学科：计算机科学）发表研究论文“Sequence-level Affective Level Estimation Based on Pyramidal Facial Expression Feature”。该论文于2022年12月9日投稿，2023年9月6日录用。
图1 用于S-ALE的时空框架图
在情感计算的大多数实际应用中，人们倾向于关注某种复杂的人类情感的变化。面部表情分类模型无法通过有限数量的表情类别来代表所有的人类情感。在此背景下，该论文研究了序列级情感水平估计（S-ALE），该方法更贴近真实场景，能够连续地描述个体情感水平。该论文提出了一种应用于S-ALE的时空框架，该框架由面部表情特征金字塔网络（FEFPN）和时间变换编码器（TTE）组成。FEFPN能够提取金字塔形的面部表情特征，而TTE能够有效捕获面部序列的粗粒度和细粒度时间变化。该模型在三个典型的S-ALE任务（专注度预测、疲劳检测、疼痛评估）六个公共数据集上进行评估。实验结果表明，该论文所提出的方法与最先进的算法相当或优于最先进的算法。
撰稿：梁艳
审核：潘家辉
标签：
