論文の概要: Deep Multi-task Learning for Facial Expression Recognition and Synthesis Based on Selective Feature Sharing

• arxiv url: http://arxiv.org/abs/2007.04514v2
• Date: Sun, 28 Nov 2021 06:48:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 04:35:43.272594
• Title: Deep Multi-task Learning for Facial Expression Recognition and Synthesis Based on Selective Feature Sharing
• Title（参考訳）: 選択的特徴共有に基づく表情認識と合成のための深層マルチタスク学習
• Authors: Rui Zhao, Tianshan Liu, Jun Xiao, Daniel P.K. Lun, Kin-Man Lam
• Abstract要約: 本稿では,新しい特徴共有手法を提案し,表情認識と表情合成のためのマルチタスクネットワークを構築した。 提案手法は,無用かつ有害な情報をフィルタリングしながら,異なるタスク間で有用な特徴を効果的に伝達することができる。 実験結果から, 提案手法は, 一般的に使用されている表情認識ベンチマークに対して, 最先端の性能を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 28.178390846446938
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-task learning is an effective learning strategy for deep-learning-based facial expression recognition tasks. However, most existing methods take into limited consideration the feature selection, when transferring information between different tasks, which may lead to task interference when training the multi-task networks. To address this problem, we propose a novel selective feature-sharing method, and establish a multi-task network for facial expression recognition and facial expression synthesis. The proposed method can effectively transfer beneficial features between different tasks, while filtering out useless and harmful information. Moreover, we employ the facial expression synthesis task to enlarge and balance the training dataset to further enhance the generalization ability of the proposed method. Experimental results show that the proposed method achieves state-of-the-art performance on those commonly used facial expression recognition benchmarks, which makes it a potential solution to real-world facial expression recognition problems.
• Abstract（参考訳）: マルチタスク学習は、ディープラーニングに基づく表情認識タスクの効果的な学習戦略である。 しかし、既存の手法の多くは、異なるタスク間で情報を転送する際に特徴の選択を限定的に考慮し、マルチタスクネットワークをトレーニングする際にタスクの干渉を引き起こす可能性がある。 この問題に対処するため,新しい特徴共有手法を提案し,表情認識と表情合成のためのマルチタスクネットワークを構築した。 提案手法は,無用かつ有害な情報をフィルタリングしながら,異なるタスク間で有用な特徴を効果的に伝達することができる。 さらに,顔表情合成タスクを用いてトレーニングデータセットを拡大・バランスさせ,提案手法の一般化能力をさらに向上させる。 実験結果から,本手法は表情認識ベンチマークにおいて最先端のパフォーマンスを実現し,実世界の表情認識問題に対する潜在的な解決策となる可能性が示唆された。

関連論文リスト

• Task-adaptive Q-Face [75.15668556061772]
  本稿では,タスク適応型マルチタスク顔分析手法Q-Faceを提案する。 Q-Faceは統合されたモデルで複数の顔分析タスクを同時に実行する。 本手法は,顔表情認識,行動単位検出,顔属性分析,年齢推定,顔ポーズ推定における最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-05-15T03:13:11Z)
• Cross-Task Multi-Branch Vision Transformer for Facial Expression and Mask Wearing Classification [13.995453649985732]
  顔の表情認識とマスキングのための統合型マルチブランチ・ビジョン・トランスフォーマを提案する。 本手法では,両タスクの共有機能を二重ブランチアーキテクチャを用いて抽出する。 提案するフレームワークは,両タスクで別々のネットワークを使用する場合と比較して,全体的な複雑性を低減する。
  論文  参考訳（メタデータ） (2024-04-22T22:02:19Z)
• Revisiting Self-Supervised Contrastive Learning for Facial Expression Recognition [39.647301516599505]
  我々は,自己指導型コントラスト学習の活用を再考し,表現固有の表現を強制するための3つの中核戦略を探求する。 実験の結果,提案手法は最先端の自己教師型学習法よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-08T00:04:27Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• Learning Multi-Task Transferable Rewards via Variational Inverse Reinforcement Learning [10.782043595405831]
  我々は、生成的対向ネットワークの枠組みに基づく複数のタスクを伴う状況に対して、エンパワーメントに基づく正規化手法を拡張した。 未知のダイナミクスを持つマルチタスク環境下では、ラベルのない専門家の例から報酬とポリシーを学ぶことに集中する。 提案手法は, 状況的相互情報の変動的下限を導出し, 最適化する。
  論文  参考訳（メタデータ） (2022-06-19T22:32:41Z)
• Human-Centered Prior-Guided and Task-Dependent Multi-Task Representation Learning for Action Recognition Pre-Training [8.571437792425417]
  本稿では,人間中心の事前知識を利用した行動認識事前学習フレームワークを提案する。 具体的には、人間の構文解析モデルから知識を抽出し、表現の意味的能力を強化する。 さらに,知識蒸留とコントラスト学習を組み合わせることで,タスク依存型マルチタスクフレームワークを構成する。
  論文  参考訳（メタデータ） (2022-04-27T06:51:31Z)
• Multi-Task Neural Processes [105.22406384964144]
  我々はマルチタスク学習のためのニューラル・プロセスの新たな変種であるマルチタスク・ニューラル・プロセスを開発する。 特に,各タスク改善のための帰納的バイアスを提供するために,関数空間内の関連するタスクから伝達可能な知識を探索することを提案する。 その結果、マルチタスク学習におけるタスク間の有用な知識の伝達におけるマルチタスクニューラルプロセスの有効性が示された。
  論文  参考訳（メタデータ） (2021-11-10T17:27:46Z)
• On the relationship between disentanglement and multi-task learning [62.997667081978825]
  ハードパラメータ共有に基づくマルチタスク学習と絡み合いの関係について,より詳しく検討する。 マルチタスクニューラルネットワークトレーニングの過程において, 絡み合いが自然に現れることを示す。
  論文  参考訳（メタデータ） (2021-10-07T14:35:34Z)
• Pretext Tasks selection for multitask self-supervised speech representation learning [23.39079406674442]
  提案手法では,候補群の中からプレテキストタスク群を選択する手法を提案する。 話者認識と自動音声認識の実験により,我々のアプローチが検証された。
  論文  参考訳（メタデータ） (2021-07-01T16:36:29Z)
• Facial Emotion Recognition with Noisy Multi-task Annotations [88.42023952684052]
  ノイズの多いマルチタスクアノテーションを用いた顔の感情認識の新しい問題を提案する。 この新たな問題に対して,共同分布マッチングの観点からの定式化を提案する。 我々は,感情予測と共同分布学習を可能にする新しい手法を利用する。
  論文  参考訳（メタデータ） (2020-10-19T20:39:37Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)

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。