继武G5的博客_个性分析

多模态的个性识别分析总结

文章目录前言总结对于video对于text使用过：对于audio 使用过对于特征提取总结前言上周我阅读了4篇关于多模态的个性分析论文，其实这些多么他的个性论文和多模态的情感分析都是一个道理，都是通过多个模态来进行分类，

多模态

个性分析

总结

自然语言处理

NLP

原创 2021-08-27 15:07:38 533 阅读

Context-Dependent Sentiment Analysis in User-Generated Videos 多模态个性分析阅读笔记

文章目录1. 总览2. 模型结构2.1 上下文无关的特征提取2.1.1 text-CNN 提取文本特征2.1.2 openSMILE 提取声音特征2.1.3 3D-CNN 提取图像特征2.2 上下文有关的特征提取2.2.1 Contextual LSTM 结构2.3 特征融合2.3.1 非层次化的框架结2.3.1 层次化的框架结3. 结论4. 总结1. 总览这是2017年的一篇文章，

个性分析

多模态

模态

特征提取

取文本

原创 2021-08-27 15:05:59 500 阅读

多模态个性分析论文阅读笔记Investigating Audio,Video,and Text Fusion Methods for End-to-End Automatic Personality

1. 总揽提出了一个三模态的模型结构用于从视频片段中预测大五性格不同模态使用CNN，三个模态提取出的特征使用 FC（全连接层）进行融合，特征提取，得到最终结果。结果显示，相较于使用单模态，准确率提升9.4%，证明多个模态之间的相互作用可以进一步的得到更好的模型每个模态提取的特征和每个个性特点之前有关联性

多模态

个性分析

深度学习

NLP

阅读笔记

原创 2021-08-27 14:55:47 580 阅读

Automatic Extraction of Personality from Text Challenges and Opportunities 阅读笔记

Automatic Extraction of Personality from Text Challenges and Opportunities 阅读笔记论文地址 https://ieeexplore.ieee.org/document/9005467/摘要在这项研究中，我们研究了从文本中提取人格特质些带注释的文

个性识别

NLP

自然语言处理

文本处理

数据集

原创 2021-08-27 14:44:52 107 阅读

论文阅读笔记 - Automated Screening of Job Candidate Based on Multimodal Video Processing

1. 总揽这篇文章是2017年的IEEE的会议论文，这篇论文的目的是在于减少候选者的选择时间，在招聘工作这种情形下，它的方法是通过基于视觉，听觉以及

多模态

个性识别

NLP

自然语言处理

模态

原创 2021-08-27 14:43:44 307 阅读

Multimodal analysis of personality traits on videos of self-presentation and induced behavior 阅读笔记

虽然这篇论文的投的期刊IF不是很高，但仍有一些值得学习和借鉴的地方，2020年的最新多模态情感分析1.模型结构1.1 面部特征特征提取用OpenFace 提取68个脸部的坐标点，脸部边界（20），眼睛眉毛（22），鼻子（9），嘴巴（20）然后对坐标点进行线性的变换，把它规划，去掉旋转角度、平移角度，得到面部的正脸照片。resize到224*224建模对生成的连续的人脸照片进行建模，使用两种模型结构：ResNeXt网络CNN-GRU网络其中CNN是AlexNet,模型结构如图

多模态

个性分析

建模

特征提取

模态

原创 2021-08-27 14:33:01 248 阅读

Multi-modal Score Fusion and Decision Trees for Explainable Automatic Job Candidate Screening 阅读笔记

Multi-modal Score Fusion and Decision Trees for Explainable Automatic Job Candidate Screening from Video CVs这篇文章作为2017年的文章，其准确率非常之高，到2020年也只有一篇超过了它的准确率，所以我们确实需要去看一看这一篇的特征提取方法，以及它所用的融合方法和一些其他的结构模型结构视觉特征提取脸部特征对每一帧，使用人脸对齐方法 Supervised Descent Method，提取

多模态

个性分析

情感分析

特征提取

数据集

原创 2021-08-27 14:32:59 193 阅读

A Personality traits and job candidate screening via analyzing facial videos 阅读笔记

A Personality traits and job candidate screening via analyzing facial videos前言这篇文章看起来对个性的提取的话，只提取了一个脸部特征，但是效果也不错，我们可以看到它的提取的脸部的人是如何提取的以及它的分类方法，从摘要中我们可以看到它是使用了支持向量机的回归，这种比较传统的回归方法。模型方法模型的整个流程如下图所示，总共包含三个方面，第1个是视觉特征提取，然后是个性回归，最后是面试分类，脸部预处理使用 Haar cas

个性探测

特征向量

特征提取

预处理

类方法

原创 2021-08-27 14:32:57 73 阅读

Multimodal First Impression Analysis with Deep Residual Networks 阅读笔记

Multimodal First Impression Analysis with Deep Residual Networks前言这篇文章也算是一个老文章了，不过效果也非常好，准确率也在前三名之内，有必要读读它的模型结构以及特征方法，特别是他对于声音提取的方面好像有一些小创新，虽然是两个模块，但也有借鉴意义，模型结构以下是整个模型的一个流程图，通过，训练集进行训练得到一个模型，然后把被测试者的视频输入到模型中，得到它的个性分数以及是否是一个好的面试者（通过还是不通过）Audiovisual　模

多模态

个性分析

模态

数据

特征向量

原创 2021-08-27 14:32:55 144 阅读

Bi-modal first impressions recognition using temporally ordered deep audio and stochastic 阅读笔记

Bi-modal first impressions recognition using temporally ordered deep audio and stochastic visual features.本文提出了两种双模态深度神经网络架构，它们具有两个分支，一个分支用于提取音频特征，另一个分支用于提取视觉特征。在预处理原始视频数据之后，会生成模型的音频和视觉分支的输入。从两个分支提取的特征将进行融合，整个网络则是端到端训练的。数据预处理一个视频被分成多个不重叠的部分（子视频），对于每个

多模态

个性分析

卷积

数据

3d

原创 2021-08-27 14:32:53 72 阅读

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯

51CTO博客

wx612883da19464的博客

多模态的个性识别分析总结

Context-Dependent Sentiment Analysis in User-Generated Videos 多模态个性分析阅读笔记

多模态个性分析论文阅读笔记Investigating Audio,Video,and Text Fusion Methods for End-to-End Automatic Personality

Automatic Extraction of Personality from Text Challenges and Opportunities 阅读笔记

论文阅读笔记 - Automated Screening of Job Candidate Based on Multimodal Video Processing

Multimodal analysis of personality traits on videos of self-presentation and induced behavior 阅读笔记

Multi-modal Score Fusion and Decision Trees for Explainable Automatic Job Candidate Screening 阅读笔记

A Personality traits and job candidate screening via analyzing facial videos 阅读笔记

Multimodal First Impression Analysis with Deep Residual Networks 阅读笔记

Bi-modal first impressions recognition using temporally ordered deep audio and stochastic 阅读笔记