深入研究k折交叉验证（K fold Cross Validation） - 哔哩哔哩 (bilibili.com)

  1. 微表情识别（Micro expression recognition）简述 - 知乎 (zhihu.com)
    为了减少不同受试者之间面部的差异，可以基于面部特征点对所有片段进行面部配准（face register），
    简单来说，face register 首先选择一张脸作为标准人脸图像，提取其特征点；对于每个视频片段，提取视频片段中第一帧的面部特征点，并计算一个映射函数（此处使用 LWM 算法），将这帧图像的特征点映射到标准图像的特征点上；最后，将此映射作用在视频中的所有帧上。这种方法可以使所有视频片段中的人脸特征点位置相同，从而减少不同人脸的差异。

    我在毕设中使用python的dlib库识别人脸特征点，进行face register，经过实验发现register可以提高模型在10-fold验证时的效果，但降低了模型在LOSO验证时的效果。由于dlib对于人脸特征点的识别并不是那么准，因此上述现象也可能是由dlib的误差导致。