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

• Emotion Detection through Body Gesture and Face [0.0]
  このプロジェクトは、非顔の手がかり、特に手、身体のジェスチャー、ジェスチャーに焦点を当てることによる感情認識の課題に対処する。 従来の感情認識システムは、主に表情分析に依存しており、ボディランゲージを通して伝達される豊かな感情情報を無視することが多い。 このプロジェクトの目的は、マシンが人間の感情をより包括的でニュアンスな方法で解釈し、反応する能力を高めることで、感情コンピューティングの分野に貢献することにある。
  論文  参考訳（メタデータ） (2024-07-13T15:15:50Z)
• Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models [49.3179290313959]
  感情中心型生成的リプレイ (ECgr) は, 生成的対向ネットワークから合成画像を統合することで, この課題に対処する。 ECgrは、生成された画像の忠実性を保証するために品質保証アルゴリズムを組み込んでいる。 4つの多様な表情データセットに対する実験結果から,擬似リハーサル法により生成されたイメージを組み込むことで,ターゲットとするデータセットとソースデータセットのトレーニングが促進されることが示された。
  論文  参考訳（メタデータ） (2024-04-18T15:28:34Z)
• Emotion Recognition from the perspective of Activity Recognition [0.0]
  人間の感情状態、行動、反応を現実世界の環境に適応させることは、潜伏した連続した次元を用いて達成できる。 感情認識システムが現実のモバイルおよびコンピューティングデバイスにデプロイされ統合されるためには、世界中の収集されたデータを考慮する必要がある。 本稿では,注目機構を備えた新しい3ストリームエンドツーエンドのディープラーニング回帰パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-03-24T18:53:57Z)
• 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)
• 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)
• 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。