論文の概要: Micro-Facial Expression Recognition in Video Based on Optimal
Convolutional Neural Network (MFEOCNN) Algorithm
- arxiv url: http://arxiv.org/abs/2009.13792v1
- Date: Tue, 29 Sep 2020 05:56:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 05:07:37.262728
- Title: Micro-Facial Expression Recognition in Video Based on Optimal
Convolutional Neural Network (MFEOCNN) Algorithm
- Title（参考訳）: 最適畳み込みニューラルネットワーク(mfeocnn)アルゴリズムを用いたビデオにおけるマイクロ界面表現認識
- Authors: S. D. Lalitha, K. K. Thyagharajan
- Abstract要約: ビデオシーケンスにおけるマイクロファサール表現の認識が,提案手法の主な目的である。
提案手法の新規性は,修正ライオン最適化(MLO)アルゴリズムを用いて,抽出した特徴量から最適な特徴量を選択することである。
提案手法は最小平均絶対誤差(MAE)値で99.2%の認識精度を実現する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Facial expression is a standout amongst the most imperative features of human
emotion recognition. For demonstrating the emotional states facial expressions
are utilized by the people. In any case, recognition of facial expressions has
persisted a testing and intriguing issue with regards to PC vision. Recognizing
the Micro-Facial expression in video sequence is the main objective of the
proposed approach. For efficient recognition, the proposed method utilizes the
optimal convolution neural network. Here the proposed method considering the
input dataset is the CK+ dataset. At first, by means of Adaptive median
filtering preprocessing is performed in the input image. From the preprocessed
output, the extracted features are Geometric features, Histogram of Oriented
Gradients features and Local binary pattern features. The novelty of the
proposed method is, with the help of Modified Lion Optimization (MLO)
algorithm, the optimal features are selected from the extracted features. In a
shorter computational time, it has the benefits of rapidly focalizing and
effectively acknowledging with the aim of getting an overall arrangement or
idea. Finally, the recognition is done by Convolution Neural network (CNN).
Then the performance of the proposed MFEOCNN method is analysed in terms of
false measures and recognition accuracy. This kind of emotion recognition is
mainly used in medicine, marketing, E-learning, entertainment, law and
monitoring. From the simulation, we know that the proposed approach achieves
maximum recognition accuracy of 99.2% with minimum Mean Absolute Error (MAE)
value. These results are compared with the existing for MicroFacial Expression
Based Deep-Rooted Learning (MFEDRL), Convolutional Neural Network with Lion
Optimization (CNN+LO) and Convolutional Neural Network (CNN) without
optimization. The simulation of the proposed method is done in the working
platform of MATLAB.
- Abstract（参考訳）: 表情は人間の感情認識において最も重要な特徴の1つだ。
感情状態を示すために、表情は人々によって利用される。
いずれにせよ、表情の認識は、PCビジョンに関するテストと興味深い問題を継続している。
ビデオシーケンスにおけるマイクロファサール表現の認識が,提案手法の主な目的である。
効率的な認識のために,提案手法では最適畳み込みニューラルネットワークを用いる。
ここでは、入力データセットを考慮した提案手法がCK+データセットである。
まず、入力画像において、適応的な中央値フィルタリング前処理を行う。
事前処理された出力から抽出された特徴は、幾何学的特徴、方位勾配のヒストグラム、局所バイナリパターンの特徴である。
提案手法の新規性は,修正ライオン最適化(MLO)アルゴリズムを用いて,抽出した特徴量から最適な特徴量を選択することである。
より短い計算時間で、全体の配置やアイデアを得る目的で、迅速に焦点を合わせ、効果的に認識する利点がある。
最後に、認識は畳み込みニューラルネットワーク(CNN)によって行われる。
次に,提案手法の性能を偽測度と認識精度の観点から解析する。
この種の感情認識は主に医学、マーケティング、eラーニング、エンターテイメント、法律、監視に使われている。
シミュレーション結果から,提案手法は最小平均絶対誤差 (mae) 値で99.2%の最大認識精度を達成することが判明した。
これらの結果は、MFEDRL、ライオン最適化による畳み込みニューラルネットワーク(CNN+LO)、最適化なしでの畳み込みニューラルネットワーク(CNN)の既存のものと比較される。
提案手法のシミュレーションはmatlabの作業プラットフォームで行われている。
関連論文リスト
- PREMAP: A Unifying PREiMage APproximation Framework for Neural Networks [30.701422594374456]
本稿では,任意の多面体出力集合のアンダー・アンド・オーバー近似を生成する事前抽象化のためのフレームワークを提案する。
提案手法を様々なタスクで評価し,高インプット次元画像分類タスクに対する効率とスケーラビリティの大幅な向上を示す。
論文 参考訳（メタデータ） (2024-08-17T17:24:47Z) - MOCA: Self-supervised Representation Learning by Predicting Masked Online Codebook Assignments [72.6405488990753]
自己教師付き学習は、ビジョントランスフォーマーネットワークの欲求を軽減できる。
所望のプロパティを統一する単段および単段のMOCAを提案する。
我々は,様々な評価プロトコルにおいて,低照度設定と強力な実験結果に対して,最先端の新たな結果を得る。
論文 参考訳（メタデータ） (2023-07-18T15:46:20Z) - Online Network Source Optimization with Graph-Kernel MAB [62.6067511147939]
大規模ネットワークにおける最適なソース配置をオンラインで学習するためのグラフカーネルマルチアームバンディットアルゴリズムであるGrab-UCBを提案する。
適応グラフ辞書モデルを用いて,ネットワークプロセスを記述する。
我々は、ネットワークパラメータに依存する性能保証を導出し、シーケンシャルな意思決定戦略の学習曲線にさらに影響を及ぼす。
論文 参考訳（メタデータ） (2023-07-07T15:03:42Z) - Learning Large-scale Neural Fields via Context Pruned Meta-Learning [60.93679437452872]
本稿では,大規模ニューラルネットワーク学習のための最適化に基づくメタラーニング手法を提案する。
メタテスト時間における勾配再スケーリングは、非常に高品質なニューラルネットワークの学習を可能にすることを示す。
我々のフレームワークは、モデルに依存しない、直感的で、実装が容易であり、幅広い信号に対する大幅な再構成改善を示す。
論文 参考訳（メタデータ） (2023-02-01T17:32:16Z) - MARS: Meta-Learning as Score Matching in the Function Space [79.73213540203389]
本稿では,一連の関連するデータセットから帰納バイアスを抽出する手法を提案する。
機能的ベイズニューラルネットワーク推論を用いて、前者をプロセスとみなし、関数空間で推論を行う。
本手法は,データ生成プロセスのスコア関数をメタラーニングすることにより,複雑な事前知識をシームレスに獲得し,表現することができる。
論文 参考訳（メタデータ） (2022-10-24T15:14:26Z) - Making Linear MDPs Practical via Contrastive Representation Learning [101.75885788118131]
マルコフ決定過程(MDP)における次元性の呪いに、低ランク表現を利用することで対処することが一般的である。
本稿では,効率的な表現学習を可能にしつつ,正規化を自動的に保証する線形MDPの代替的定義について考察する。
いくつかのベンチマークにおいて、既存の最先端モデルベースおよびモデルフリーアルゴリズムよりも優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-14T18:18:02Z) - Research on facial expression recognition based on Multimodal data
fusion and neural network [2.5431493111705943]
このアルゴリズムはマルチモーダルデータに基づいており、顔画像、画像の方向勾配のヒストグラム、顔のランドマークを入力とする。
実験結果から, マルチモーダルデータの相補性により, 精度, 堅牢性, 検出速度が大幅に向上したことがわかった。
論文 参考訳（メタデータ） (2021-09-26T23:45:40Z) - 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) - Micro-Facial Expression Recognition Based on Deep-Rooted Learning
Algorithm [0.0]
本稿では,MFEDRL(Micro-Facial Expression Based Deep-Rooted Learning)分類器を提案する。
アルゴリズムの性能は認識率と偽測度を用いて評価する。
論文 参考訳（メタデータ） (2020-09-12T12:23:27Z) - Complex Human Action Recognition in Live Videos Using Hybrid FR-DL
Method [1.027974860479791]
入力シーケンス中の代表フレームの自動選択により,前処理フェーズの課題に対処する。
本稿では,バックグラウンドサブトラクションとHOGを用いたハイブリッド手法を提案し,続いて深層ニューラルネットワークと骨格モデリング手法を適用した。
本稿では,このモデルをFR-DL(Feature Reduction & Deep Learning based action recognition method)と呼ぶ。
論文 参考訳（メタデータ） (2020-07-06T15:12:50Z) - Handwritten Character Recognition Using Unique Feature Extraction
Technique [1.911678487931003]
我々は、幾何学的、ゾーンベースハイブリッド、勾配特徴抽出アプローチ、および3つの異なるニューラルネットワークのユニークな特徴の組み合わせを提案している。
提案した特徴抽出アルゴリズムは、個々の特徴よりも正確であり、また、畳み込みニューラルネットワークはこれら3つの中で最も効率的なニューラルネットワークである。
論文 参考訳（メタデータ） (2020-01-13T13:06:06Z)
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。