1. 文献信息：题目——发表期刊/会议名称——发表年份；
Automated Depression Diagnosis based on Deep Networks to Encode Facial Appearance and Dynamics--TRANSACTIONS ON AFFECTIVE COMPUTING--2017
2. 摘要内容是什么？（要理解人家如何写摘要的）
复制文献中的摘要内容过来 （为以后写文献综述做准备，不能截图）
Abstract—As a severe psychiatric disorder disease, depression is a state of low mood and aversion to activity, which prevents a person from functioning normally in both work and daily lives. The study on automated mental health assessment has been given increasing attentions in recent years. In this paper, we study the problem of automatic diagnosis of depression. A new approach to predict the Beck Depression Inventory II (BDI-II) values from video data is proposed based on the deep networks. The proposed framework is designed in a two stream manner, aiming at capturing both the facial appearance and dynamics. Further, we employ joint tuning layers that can implicitly integrate the appearance and dynamic information. Experiments are conducted on two depression databases, A VEC2013 and A VEC2014. The experimental results show that our proposed approach significantly improve the depression prediction performance, compared to other visual-based approaches.
Index Terms—Automated depression diagnosis, nonverbal behavior, deep convolutional neural networks, flow dynamics.
3. 拟解决的问题（Motivation）
在摘要或引言（一般快结尾处）中找
复制文献中的相关内容过来（不能截图）
In this paper, we study the problem of automatic diagnosis of depression. A new approach to predict the Beck Depression Inventory II (BDI-II) values from video data is proposed based on the deep networks.
本文研究了抑郁症的自动诊断问题。提出了一种基于深度网络从视频数据中预测Beck抑郁量表II (BDI-II)值的新方法。
Currently, the diagnosis of MDD mostly requires comprehensive assessment by experienced professional. It is largely constrained by individual subjective observation and lack of real-time measurements. As the increasing number of people suffering from MDD, it also brings the burden to accurate diagnosis.
目前，MDD的诊断大多需要有经验的专业人员进行综合评估。它很大程度上受个人主观观察的限制，缺乏实时测量。随着MDD患者人数的增加，它也给准确诊断带来了负担。
4. 解决方法（Method）
方法有原理图的，给出原理图（截图过来），并且要给出原理图步骤的概括性语言描述（复制文献中的相关内容过来，不能截图）；没有原理图的，要给出方法Method的基本思想的语言描述（复制下，不能截图）。
To deal with this problem, facial appearance and dynamics in video clips are often considered very useful for depression diagnosis [19]. We study depression recognition and propose a new approach to model the facial appearance and dynamics, based on deep convolutional neutral networks (DCNN). Our approach is designed in a two-stream manner, combined with joint-tuning layers for depression prediction.
我们研究了抑郁症识别，并提出了一种基于深度卷积神经网络(DCNN)的人脸外观和动态模型的新方法。我们的方法设计为一种两流的方式，结合联合调整层用于抑郁症预测。
Specifically, facial appearance representation is modeled through a very deep neural network, using face frames as the input. Facial dynamics are modeled by another deep neural network, with face “flow images” as the input. Face “flow images” are generated by computing within the video sub-volumes using the optical flow, to capture facial motions.The two deep networks are then integrated by joint-tuning layers into one deep network, which can further improve the overall performance.
具体地说，面部外观表征是通过非常深度的神经网络建模的，使用人脸框架作为输入。面部动态由另一个深度神经网络建模，面部“流图像”作为输入。面部“流图像”是通过计算生成的视频子卷使用光学流，捕捉面部运动。然后通过联合调优层将两个深度网络集成为一个深度网络，进一步提高整体性能。
5. 实验结果及分析 （Results）
什么数据集，实验参数如何设置的，实验结果怎样？截图过来即可。
EXPERIMENTS
实验在两个数据库上进行:2013年[20]和2014年[21]抑郁子挑战数据库。在本节中，我们首先简要描述这两个数据库，然后展示实验结果。最后，我们将与其他最新的方法进行比较。
人脸区域检测与对齐，面部动态计算:完成以上步骤后，对于数据集中的每个视频片段，提取一个人脸区域序列，该序列中的人脸也根据眼睛的位置进行对齐。为了减少每个视频片段中帧数过多，我们采用了Subsampling方案，在外观和动态DCNN方面，模型架构与GoogLeNet模型[32]相似。在我们的实验中，联合调谐层被设计为两个完全连接的层，分别有512和256个隐藏单元。使用批大小为32的caffe深度学习工具箱[32]对网络进行随机梯度训练
6. 总结/结论（Conclusions）
截图过来即可。
7. 还存在什么问题（Inspirations）
一般文章结尾处（conclusions and future work或discussion）可以找这个。
复制相关文字内容过来（不能截图）
8. 写作有什么特点：
8.1文章的整个结构包含那几个部分？
包括摘要、引言、相关工作、抑郁症识别的深度神经网络结构、实验、结果和讨论。
8.2引言（Introduction）撰写如何组织的？（找出“引言”中每一段话的中心句，或自己总结出中心句）
第1段：有中心句的话，截图过来即可。
目前，MDD的诊断大多需要有经验的专业人员进行综合评估。它很大程度上受个人主观观察的限制，缺乏实时测量。随着MDD患者人数的增加，它也给准确诊断带来了负担
第2段：有中心句的话，截图过来即可。
也有研究表明，非语言线索表明抑郁症的严重程度，如手势和表情[12]，[13]。研究表明，人类交际活动[14]、[15]、[16]、[17]中超过一半的基于视觉的非语言行为分布在面部区域。因此，本研究聚焦于以视觉为基础的非语言行为在抑郁症诊断中的应用。
第3段：有中心句的话，截图过来即可。
我们研究了抑郁症识别，并提出了一种基于深度卷积神经网络(DCNN)的人脸外观和动态模型的新方法。我们的方法设计为一种两流的方式，结合联合调整层用于抑郁症预测。
8.3有什么语言表达优美的好句子可以摘录下来，供以后写作借鉴？例如，如何看“图”说话、看“表”说话、如何描述不同方法的性能高低和比较，如何表述因果关系。。。。等等。（摘录2-4个好句子）
好句子复制过来即可（不能截图）。
Facial dynamics are modeled by another deep neural network, with face “flow images” as the input. Face “flow images” are generated by computing within the video subvolumes using the optical flow, to capture facial motions.
面部动态由另一个深度神经网络建模，面部“流图像”作为输入。面部“流图像”是通过计算生成的视频子卷使用光学流，捕捉面部运动。
In the video based approach from [29], the authors detected the face within each video frame, then utilized three motion related features: motion history image, motion static image and motion average image from the detection face region.
在基于[29]的视频方法中，利用检测人脸区域的运动历史图像、运动静态图像和运动平均图像这3个与运动相关的特征对每帧视频中的人脸进行检测。
