喜报 | 我所一篇论文被计算机领域顶级国际会议ACM MM 2020录用

发布时间：2020年8月14日

      第28届ACM国际多媒体会议（ACM MM-2020）于2020年7月26日发布了论文录用结果，由我所师生共同完成的一篇基于时-频-空的3D密集连接注意力网络SST-EmotionNet被大会录用。

      我所被录用的论文题为SST-EmotionNet: Spatial-Spectral-Temporal based Attention 3D Dense Network for EEG Emotion Recognition，由林友芳、王晶老师指导，博士生贾子钰和本科生蔡晞阳合作完成。

      该论文以情感脑电数据的高精度分类为研究目标，解决了现有方法进行分类时忽略的两个关键问题。1）现有的工作中忽略了脑电信号时、频、空三种特征之间的互补性。2）现有工作中对有辨识度的脑电时、频、空局部模式的挖掘尚不充分。论文提出了一种基于时-频-空的3D密集连接注意力网络对情感脑电信号进行分类，该模型在统一的框架下同时提取数据中的空间、频率、时间特征；同时，设计了一种3D注意机制来自适应地探索具有判别力的局部模式提升分类效果，在现有的多个数据集上分类表现均为最优。

SST-EmotionNet总体模型架构图

       SST-EmotionNet的总体模型架构如图所示，包括四个关键点：

          1）该模型基于构建的脑电信号3D表示，在统一的框架下同时提取时-频-空特征。

          2）该模型基于一种新颖的时-频-空注意力机制，动态捕获对情感脑电分类有价值的局部模式。

          3）该模型利用了3D密集连接模块与转移层，加强了网络中的特征传播与特征重用。

          4）该模型使用伪三维卷积（Pseudo-3D）提升三维卷积的运算与内存效率。