論文の概要: Verifying Deep Learning-based Decisions for Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2003.00828v1
• Date: Fri, 14 Feb 2020 15:59:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 04:57:08.473294
• Title: Verifying Deep Learning-based Decisions for Facial Expression Recognition
• Title（参考訳）: 表情認識のための深層学習に基づく決定の検証
• Authors: Ines Rieger, Rene Kollmann, Bettina Finzel, Dominik Seuss, Ute Schmid
• Abstract要約: 我々は、ニューラルネットワークを用いて表情を分類し、画素ベースの説明を作成する。 顔領域に対するバウンディングボックス法に基づいて,これらの視覚的説明を定量化する。 以上の結果から,ニューラルネットワークは最先端の結果を達成できることが示されたが,視覚的説明から,関連する顔面領域を考慮できないことが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.8137198664755597
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural networks with high performance can still be biased towards non-relevant features. However, reliability and robustness is especially important for high-risk fields such as clinical pain treatment. We therefore propose a verification pipeline, which consists of three steps. First, we classify facial expressions with a neural network. Next, we apply layer-wise relevance propagation to create pixel-based explanations. Finally, we quantify these visual explanations based on a bounding-box method with respect to facial regions. Although our results show that the neural network achieves state-of-the-art results, the evaluation of the visual explanations reveals that relevant facial regions may not be considered.
• Abstract（参考訳）: 高性能なニューラルネットワークは、いまだに非関連機能に偏りがある。 しかし, 臨床痛み治療などの高リスク領域では, 信頼性と堅牢性が特に重要である。 そこで我々は3つのステップからなる検証パイプラインを提案する。 まず,ニューラルネットワークを用いて表情を分類する。 次に,画素に基づく説明を作成するために,層間相関伝播を適用する。 最後に、これらの視覚的説明を、顔領域に関する境界ボックス法に基づいて定量化する。 以上の結果から,ニューラルネットワークは最先端の結果を得るが,視覚的説明から,関連する顔面領域を考慮できないことが明らかとなった。

関連論文リスト

• NeutrEx: A 3D Quality Component Measure on Facial Expression Neutrality [7.736597471757526]
  中性表現アンカーへの3次元顔再構成の蓄積距離に基づく品質指標を提案する。 提案手法がベースライン手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-19T09:38:39Z)
• Discriminative Deep Feature Visualization for Explainable Face Recognition [9.105950041800225]
  本稿では、まず、顔再構成に基づく説明モジュールを考案し、説明可能な顔認識の問題に寄与する。 FRモデルの決定をさらに解釈するため、新しい視覚的サリエンシ説明アルゴリズムが提案されている。
  論文  参考訳（メタデータ） (2023-06-01T07:06:43Z)
• An explainability framework for cortical surface-based deep learning [110.83289076967895]
  我々は,皮質表面の深層学習のためのフレームワークを開発した。 まず,表面データに摂動に基づくアプローチを適用した。 我々の説明可能性フレームワークは,重要な特徴とその空間的位置を識別できるだけでなく,信頼性と有効性も示している。
  論文  参考訳（メタデータ） (2022-03-15T23:16:49Z)
• Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
  提案手法の性能は, 広く使用されている3つのデータセットで評価される。 ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
  論文  参考訳（メタデータ） (2021-06-08T13:40:30Z)
• Do Deep Neural Networks Forget Facial Action Units? -- Exploring the Effects of Transfer Learning in Health Related Facial Expression Recognition [1.940353665249968]
  感情から痛みへの自動表情認識のためのトランスファー学習の効果を検討するプロセスを提示する。 まずvgg16畳み込みニューラルネットワークを訓練し、8つのカテゴリー感情を自動的に識別する。 そして、このネットワークの大きな部分を微調整して、痛みの自動認識のタスクに適した表現を学習します。
  論文  参考訳（メタデータ） (2021-04-15T11:37:19Z)
• The FaceChannel: A Fast & Furious Deep Neural Network for Facial Expression Recognition [71.24825724518847]
  顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。 私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。 我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
  論文  参考訳（メタデータ） (2020-09-15T09:25:37Z)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)
• Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
  本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。 注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。 これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
  論文  参考訳（メタデータ） (2020-05-12T20:42:55Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。