有新作品@
代码更新和一些注意事项：
非常遗憾，由于工业工作的承诺和时间紧迫，未能及时回复大多数信息。 显然os.m丢失了，我在本地代码库中找到了它。 在外部工具/ tvl1flow /中添加。 希望对您有所帮助，谢谢。 另外，希望它对您的研究工作有益：)
深度学习的微表达
在微表情识别和识别主题上进行深度学习的实验。
平台和依存关系
Ubuntu 16.04 Python 3.6 Keras 2.0.6 Opencv 3.1.0 pandas 0.19.2 CuDNN 5110.（可选，但建议用于深度学习）
从此网址下载文件
（由于许可证的缘故，删除了应用了TIM的CASMEII，因此您需要应用TIM并自行裁剪，下面的链接是对数据库的访问请求。）
与TIM相关：TIM代码可以在下面下载， : 注意：除TIM大小外，参数均为默认值
相关的光流：我添加了一些脚本来提取光流特征（在E
2021-11-01 00:26:03
58.73MB
1
CapsuleNet用于微表达识别
描述
这是用于微表情识别的CapsuleNet论文的源代码，该论文加入了第二次面部微表情识别任务的微表情大挑战。 如果您认为此代码有用，请按如下方式引用我们的论文：
# Bibtex
@INPROCEEDINGS{Quang2019Capsulenet,
author={N. V. {Quang} and J. {Chun} and T. {Tokuyama}},
booktitle={2019 14th IEEE International Conference on Automatic Face Gesture Recognition (FG 2019)},
title={CapsuleNet for Micro-Expression Recognition},
year={2019},
volume={},
nu
2021-09-17 15:53:03
98.26MB
1
面部微表情（ME）是引发隐藏某种真实情绪的短暂和不自主的快速面部表情。 标准的微表情持续时间在1/5到1/25之间，通常只发生在脸部的特定部位。 微表情的微妙和简洁是对肉眼的巨大挑战; 因此，近年来已经提出了很多工作来利用计算机视觉和机器学习算法来实现自动微表情式识别。
2021-06-01 22:44:25
3.62MB
1
人脸工程学的研究内容主要包括人脸识别、表情识别和人脸合成三个部分。本手册分别介绍了人脸识别、表情识别和人脸合成研究中用到的相关理论和算法，最后总结作者所在课题组研究成果的基础上，给出了人脸识别、表情识别和人脸合成系统的设计与实现流程实例。
包含《面部表情编码系统（FACS）---教程》和FACS附录二、三全套文档
2020-01-26 03:07:36
24.29MB
1
Experimentation of deep learning on the subjects of micro-expression spotting and recognition.
2019-12-21 21:40:32
58.72MB
1