基于深度卷积和自编码器增强的微表情判别

付晓峰,牛力

Micro-expression classification based on deep convolution and auto-encoder enhancement

Xiao-feng FU,Li NIU

表 1 MegNet编码器和解码器各层运算之后的特征图尺寸

Tab.1 Feature map size of MegNet encoder and decoder after each layer operation

编码器 解码器 网络层 特征图尺寸 网络层 特征图尺寸 输入层 128×128×3 输入层 16×16×512 5×5×128 Conv 64×64×128 3×3×2 048 Conv 16×16×2 048 5×5×256 Conv 32×32×256 PixelShuffle 32×32×512 5×5×512 Conv 16×16×512 3×3×1 024 Conv 32×32×1 024 5×5×1 024 Conv 8×8×1 024 PixelShuffle 64×64×256 Flatten 65536 3×3×512 Conv 64×64×512 512 FC 512 PixelShuffle 128×128×128 8×8×512 FC 32 768 5×5×3 Conv 128×128×3 变形8×8×512 8×8×512 输出层 128×128×3 3×3×2 048 Conv 8×8×2 048 — — PixelShuffle 16×16×512 — — 输出层 16×16×512 — —