利用脑电信号进行情绪识别已成为情感计算和智能交互领域的一项重大研究挑战。然而,有效地结合脑电信号的全局和局部特征来提高情绪识别的性能仍然是一项艰巨的任务。在本研究中,我们提出了一种用于脑电情绪识别的新型 CNN 交互式 Transformer 网络,称为 CIT-EmotionNet,它有效地整合了脑电信号的全局和局部特征。首先,我们将原始脑电信号转换为空间频率表示,作为输入。然后,我们以并行的方式将卷积神经网络 (CNN) 和 Transformer 集成在一个框架内。最后,我们设计了一个 CNN 交互式 Transformer 模块,促进局部和全局特征的交互和融合,从而增强模型从脑电空间频率表示中提取这两种特征的能力。所提出的 CIT-EmotionNet 优于最先进的方法,在两个公开的数据集 SEED 和 SEED-IV 上分别实现了 98.57% 和 92.09% 的平均识别准确率。
主要关键词