論文の概要: Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor
- arxiv url: http://arxiv.org/abs/2001.11976v1
- Date: Fri, 31 Jan 2020 17:47:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-05 06:03:50.794347
- Title: Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor
- Title(参考訳): deep convolutional autoencoderと support vector regressor による連続感情認識
- Authors: Sevegni Odilon Clement Allognon, Alessandro L. Koerich, Alceu de S.
Britto Jr
- Abstract要約: マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
- 参考スコア(独自算出の注目度): 70.2226417364135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic facial expression recognition is an important research area in the
emotion recognition and computer vision. Applications can be found in several
domains such as medical treatment, driver fatigue surveillance, sociable
robotics, and several other human-computer interaction systems. Therefore, it
is crucial that the machine should be able to recognize the emotional state of
the user with high accuracy. In recent years, deep neural networks have been
used with great success in recognizing emotions. In this paper, we present a
new model for continuous emotion recognition based on facial expression
recognition by using an unsupervised learning approach based on transfer
learning and autoencoders. The proposed approach also includes preprocessing
and post-processing techniques which contribute favorably to improving the
performance of predicting the concordance correlation coefficient for arousal
and valence dimensions. Experimental results for predicting spontaneous and
natural emotions on the RECOLA 2016 dataset have shown that the proposed
approach based on visual information can achieve CCCs of 0.516 and 0.264 for
valence and arousal, respectively.
- Abstract(参考訳): 表情の自動認識は、感情認識とコンピュータビジョンにおいて重要な研究領域である。
医療、ドライバーの疲労監視、 sociable robotics、その他の人間とコンピュータのインタラクションシステムなど、いくつかの分野に応用できる。
したがって、マシンはユーザの感情状態を高い精度で認識できることが重要である。
近年、ディープニューラルネットワークは感情認識に大きな成功を収めている。
本稿では,トランスファー学習とオートエンコーダに基づく教師なし学習アプローチを用いて,表情認識に基づく連続感情認識の新しいモデルを提案する。
提案手法は前処理および後処理技術も含んでおり, 覚醒次元と原子価次元の一致相関係数の予測性能の向上に寄与する。
RECOLA 2016データセットを用いた自然感情と自然感情の予測実験の結果,視覚情報に基づくアプローチによってそれぞれ0.516と0.264のCCCが得られることが示された。
関連論文リスト
- Leveraging Previous Facial Action Units Knowledge for Emotion
Recognition on Faces [2.4158349218144393]
本稿では,感情認識のための顔行動単位(AU)認識手法を提案する。
この認識はFACS(Facial Action Coding System)に基づいており、機械学習システムによって計算される。
論文 参考訳(メタデータ) (2023-11-20T18:14:53Z) - Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。
我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。
評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文 参考訳(メタデータ) (2022-05-02T09:21:39Z) - Multimodal Emotion Recognition using Transfer Learning from Speaker
Recognition and BERT-based models [53.31917090073727]
本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。
本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
論文 参考訳(メタデータ) (2022-02-16T00:23:42Z) - Multi-Cue Adaptive Emotion Recognition Network [4.570705738465714]
適応型マルチキューに基づく感情認識のための新しい深層学習手法を提案する。
提案手法とCAER-Sデータセットの最先端手法を比較した。
論文 参考訳(メタデータ) (2021-11-03T15:08:55Z) - Improved Speech Emotion Recognition using Transfer Learning and
Spectrogram Augmentation [56.264157127549446]
音声感情認識(SER)は、人間とコンピュータの相互作用において重要な役割を果たす課題である。
SERの主な課題の1つは、データの不足である。
本稿では,スペクトログラム拡張と併用した移動学習戦略を提案する。
論文 参考訳(メタデータ) (2021-08-05T10:39:39Z) - Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。
感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文 参考訳(メタデータ) (2021-03-01T08:31:08Z) - Continuous Emotion Recognition with Spatiotemporal Convolutional Neural
Networks [82.54695985117783]
In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。
我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
論文 参考訳(メタデータ) (2020-11-18T13:42:05Z) - Meta Transfer Learning for Emotion Recognition [42.61707533351803]
本研究では、ある視覚的/聴覚的感情領域から学習した感情知識を、別の視覚的/聴覚的感情領域に伝達できるPathNetに基づく伝達学習手法を提案する。
提案システムは感情認識の性能を向上し,最近提案された微調整/事前学習モデルに基づく伝達学習手法よりも性能が大幅に向上する。
論文 参考訳(メタデータ) (2020-06-23T00:25:28Z) - An adversarial learning framework for preserving users' anonymity in
face-based emotion recognition [6.9581841997309475]
本稿では,反復的手順で学習した畳み込みニューラルネットワーク(CNN)アーキテクチャに依存する逆学習フレームワークを提案する。
その結果、提案手法は、感情認識の精度を保ち、顔認証の劣化を抑えるための畳み込み変換を学習できることが示唆された。
論文 参考訳(メタデータ) (2020-01-16T22:45:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。