EmotiW2016第一論文Video-based emotion recognition using CNNRNN and C3D hybrid networks

這篇論文主要利用了RNN和C3D解決視頻分類問題，其中RNN將CNN從每個視頻幀中提取出來的特徵進行時序上的編碼，C3D對人臉表徵和運動信息同時建模，最後再融合音頻特徵，完成視頻分類。本文以59.02%的正確率較EmotiW 2015 53.8%的正確率高出許多。    整體模型如圖1，該模型主要由三個子模型組成：CNN-RNN，C3D和音頻模型；CNN-RNN和C3D模型較爲核心。本文單獨訓練三

>>阅读原文<<