这篇论文主要利用了RNN和C3D解决视频分类问题，其中RNN将CNN从每个视频帧中提取出来的特征进行时序上的编码，C3D对人脸表征和运动信息同时建模，最后再融合音频特征，完成视频分类。本文以59.02%的正确率较EmotiW 2015 53.8%的正确率高出许多。这篇论文主要利用了RNN和C3D解决视频分类问题，其中RNN将CNN从每个视频帧中
阅读背景：
EmotiW2016第一论文Video-based emotion recognition using CNNRNN and C3D hybrid networks
来源：互联网
分享到：
