論文の概要: Feature refinement: An expression-specific feature learning and fusion
method for micro-expression recognition
- arxiv url: http://arxiv.org/abs/2101.04838v1
- Date: Wed, 13 Jan 2021 02:26:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-30 07:58:20.282779
- Title: Feature refinement: An expression-specific feature learning and fusion
method for micro-expression recognition
- Title（参考訳）: 特徴改善:マイクロ圧縮認識のための表現特異的特徴学習と融合法
- Authors: Ling Zhou, Qirong Mao, Xiaohua Huang, Feifei Zhang, Zhihong Zhang
- Abstract要約: 本論文では,マイクロ表現認識のための表現特化機能学習と融合による特徴認識(FR)を提案する。
表現特有の特徴を融合させることで、特定の表現に対する軽度かつ差別的な特徴を獲得し、表現を予測することを目的とする。
- 参考スコア（独自算出の注目度）: 24.944614134424935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Micro-Expression Recognition has become challenging, as it is extremely
difficult to extract the subtle facial changes of micro-expressions. Recently,
several approaches proposed several expression-shared features algorithms for
micro-expression recognition. However, they do not reveal the specific
discriminative characteristics, which lead to sub-optimal performance. This
paper proposes a novel Feature Refinement ({FR}) with expression-specific
feature learning and fusion for micro-expression recognition. It aims to obtain
salient and discriminative features for specific expressions and also predict
expression by fusing the expression-specific features. FR consists of an
expression proposal module with attention mechanism and a classification
branch. First, an inception module is designed based on optical flow to obtain
expression-shared features. Second, in order to extract salient and
discriminative features for specific expression, expression-shared features are
fed into an expression proposal module with attention factors and proposal
loss. Last, in the classification branch, labels of categories are predicted by
a fusion of the expression-specific features. Experiments on three publicly
available databases validate the effectiveness of FR under different protocol.
Results on public benchmarks demonstrate that our FR provides salient and
discriminative information for micro-expression recognition. The results also
show our FR achieves better or competitive performance with the existing
state-of-the-art methods on micro-expression recognition.
- Abstract（参考訳）: マイクロ表現の微妙な顔変化を抽出することが極めて困難であるため、マイクロ表現認識は困難になっている。
近年,マイクロ表現認識のための表現共有特徴量アルゴリズムが提案されている。
しかし、それらは特定の識別特性を明らかにしておらず、それが準最適性能をもたらす。
本稿では,表現特異的な特徴学習とマイクロ表現認識のための融合による特徴再構成({FR})を提案する。
特定の表現に対して有意かつ差別的な特徴を得ることを目的としており、表現特有の特徴を融合して表現を予測することを目的としている。
FRは、注意機構と分類分岐を備えた式提案モジュールからなる。
まず、開始モジュールを光学的フローに基づいて設計し、表現共有特徴を得る。
第二に、特定の表現に対して有意で差別的な特徴を抽出するために、表現共有された特徴を注意要因と提案損失を伴う式提案モジュールに供給する。
最後に、分類枝において、カテゴリのラベルは、表現特化特徴の融合によって予測される。
3つの公開データベースの実験は、異なるプロトコルの下でFRの有効性を検証する。
公開ベンチマークの結果,我々のfrは,マイクロ表現認識に有意かつ差別的な情報を提供することがわかった。
以上の結果から,従来のマイクロ圧縮認識技術によるFRの性能向上や性能向上が期待できる。
関連論文リスト
- ExpLLM: Towards Chain of Thought for Facial Expression Recognition [61.49849866937758]
本研究では,表情認識のための思考の正確な連鎖(CoT)を生成するExpLLMという新しい手法を提案する。
具体的には、重要な観察、全体的な感情解釈、結論の3つの観点から、CoTメカニズムを設計しました。
RAF-DBとAffectNetデータセットの実験では、ExpLLMは現在の最先端のFERメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-09-04T15:50:16Z) - Micro-Expression Recognition by Motion Feature Extraction based on Pre-training [6.015288149235598]
マイクロ圧縮認識タスクのための新しい動き抽出戦略(MoExt)を提案する。
MoExtでは、まず、開始フレームと頂点フレームから形状特徴とテクスチャ特徴を分離して抽出し、その後、両方のフレームの形状特徴に基づいてMEに関連する運動特徴を抽出する。
提案手法の有効性を3つの一般的なデータセットで検証した。
論文 参考訳（メタデータ） (2024-07-10T03:51:34Z) - Adaptive Temporal Motion Guided Graph Convolution Network for Micro-expression Recognition [48.21696443824074]
ATM-GCN(Adaptive Temporal Motion Guided Graph Convolution Network)と呼ばれる,マイクロ圧縮認識のための新しいフレームワークを提案する。
本フレームワークは,クリップ全体のフレーム間の時間的依存関係の把握に優れ,クリップレベルでのマイクロ圧縮認識が向上する。
論文 参考訳（メタデータ） (2024-06-13T10:57:24Z) - Micro-Expression Recognition Based on Attribute Information Embedding
and Cross-modal Contrastive Learning [22.525295392858293]
本稿では,属性情報埋め込みとクロスモーダルコントラスト学習に基づくマイクロ圧縮認識手法を提案する。
我々はCASME II と MMEW データベースで広範な実験を行い、精度はそれぞれ77.82% と 71.04% である。
論文 参考訳（メタデータ） (2022-05-29T12:28:10Z) - Video-based Facial Micro-Expression Analysis: A Survey of Datasets,
Features and Algorithms [52.58031087639394]
マイクロ表現は不随意かつ過渡的な表情である。
嘘検出や犯罪検出など、幅広い応用において重要な情報を提供することができる。
マイクロ表現は過渡的で低強度であるため、検出と認識は困難であり、専門家の経験に大きく依存する。
論文 参考訳（メタデータ） (2022-01-30T05:14:13Z) - Short and Long Range Relation Based Spatio-Temporal Transformer for
Micro-Expression Recognition [61.374467942519374]
我々は,マイクロ圧縮認識のための最初の純粋トランスフォーマーベースアプローチである,新しいアテンポ的トランスフォーマーアーキテクチャを提案する。
空間パターンを学習する空間エンコーダと、時間的分析のための時間的次元分類と、ヘッドとを備える。
広範に使用されている3つの自発的マイクロ圧縮データセットに対する総合的な評価は,提案手法が一貫して芸術の状態を上回っていることを示している。
論文 参考訳（メタデータ） (2021-12-10T22:10:31Z) - Unsupervised low-rank representations for speech emotion recognition [78.38221758430244]
音声感情認識のための低ランク特徴表現の抽出に線形および非線形次元削減アルゴリズムを用いて検討する。
異なる分類法を用いて2つのデータベース上で学習した表現の音声認識(SER)結果を報告する。
論文 参考訳（メタデータ） (2021-04-14T18:30:58Z) - Feature Decomposition and Reconstruction Learning for Effective Facial
Expression Recognition [80.17419621762866]
本稿では,表情認識のための特徴分解再構成学習(FDRL)手法を提案する。
FDRLは、FDN(Feature Decomposition Network)とFRN(Feature Restruction Network)の2つの重要なネットワークで構成されている。
論文 参考訳（メタデータ） (2021-04-12T02:22:45Z) - 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) - ICE-GAN: Identity-aware and Capsule-Enhanced GAN with Graph-based
Reasoning for Micro-Expression Recognition and Synthesis [26.414187427071063]
グラフに基づく推論(ICE-GAN)を用いた新しいアイデンティティ認識とカプセル強化型生成共役ネットワークを提案する。
このジェネレータは、制御可能なマイクロ表現と識別認識機能を備えた合成顔を生成し、グラフ推論モジュール(GRM)を介して長距離依存関係をキャプチャする。
ICE-GAN は Micro-Expression Grand Challenge 2019 (MEGC 2019) で評価され、勝者の12.9%を上回り、他の最先端の手法を上回りました。
論文 参考訳（メタデータ） (2020-05-09T05:37:44Z)
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。