时间： 周三上午十点。

参会老师：谷雨。

参会学生：张逸凡、刘涛、颜焕、章翔、黄濛濛、汪彦彤、贾乐元、付悦、于宵宵、程肯、杨树淋、本科生。

本次例会上各小组对上周的工作进行汇报。

1. 汇报人：颜焕

汇报主题：Enriched Long-term Recurrent Convolutional Network for Facial Micro-Expression Recognition

主要内容：

1.论文提出了富集长期循环卷积网络(ELRCN)进行微表情识别，ELRCN网络包括深层次的空间特征提取器 (CNN)和表征动态时间特性的时间模型(LSTM)。

2.ELRCN模型有两种并行的处理方式：通过输入图像通道的叠加来增大空间维度；通过叠加深度特征来增大时 间维度。

3.输入图像包括灰度图像，光流图像，光学应变信息。深层次的空间特征提取器具体采用了CNN网络模型 VGG16。

4.对比了两种并行处理方式下的识别结果。

2. 汇报人：章翔

汇报主题：Identifying Emotional States using Keystroke Dynamics

主要内容：

1. 论文主要通过分析标准键盘上的输入模式的节奏来确定用户的情绪，从按键和情绪状态数据中，提取了用以进行15种情绪状态分类的按键特征。结果包括自信，犹豫不决，放松，悲伤和疲劳的二级分类器，其准确率为77%~88%。

2.Keystroke Dynamics & Affective Computing：提取击键时间特征，例如按键的持续时间和按键之间的时间间隔，由按键时间特征提取情绪变化和压力变化。

3. 汇报人：汪彦彤

汇报主题：Recognizing Induced Emotions of Audiences From Multimodal Information(Ⅰ)

汇报内容：

1.该论文主要研究了使用视听影视内容来进行诱导情绪(induced emotions)的识别以及情感电影的观感(perceived emotions)和观众被引起的情绪(induced emotions)之间的关系。

2.Database: LIRIS-ACCEDE (contains continuous arousal-valence annotations of emotions induced in movie audiences as well as physiological and behavioral reactions to movie content )

1. Epp C , Lippold M , Mandryk R L . Identifying Emotional States Using Keystroke Dynamics[C]// Proceedings of the International Conference on Human Factors in Computing Systems, CHI 2011, Vancouver, BC, Canada, May 7-12, 2011. 2011.
2. Khor H Q , See J , Phan R C W , et al. Enriched Long-term Recurrent Convolutional Network for Facial Micro-Expression Recognition[J]. 2018.
3. Muszynski M, Tian L, Lai C, et al. Recognizing Induced Emotions of Movie Audiences From Multimodal Information[J]. IEEE Transactions on Affective Computing, 2019.