Fugu-MT 論文翻訳(概要): A Sub-Layered Hierarchical Pyramidal Neural Architecture for Facial Expression Recognition

論文の概要: A Sub-Layered Hierarchical Pyramidal Neural Architecture for Facial Expression Recognition

arxiv url: http://arxiv.org/abs/2103.12362v1
Date: Tue, 23 Mar 2021 07:50:33 GMT
ステータス: 処理完了
システム内更新日: 2021-03-25 00:57:14.101770
Title: A Sub-Layered Hierarchical Pyramidal Neural Architecture for Facial Expression Recognition
Title（参考訳）: 表情認識のための階層型階層型ピラミッドニューラルアーキテクチャ
Authors: Henrique Siqueira, Pablo Barros, Sven Magg, Cornelius Weber and Stefan Wermter
Abstract要約: 本稿では,ピラミッド型アーキテクチャの学習能力を向上させるための接続方式を提案する。未確認者の表情認識実験は、我々のアプローチがリソース制限のあるアプリケーションの潜在的候補であることを示している。
参考スコア（独自算出の注目度）: 23.331385996404773
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In domains where computational resources and labeled data are limited, such as in robotics, deep networks with millions of weights might not be the optimal solution. In this paper, we introduce a connectivity scheme for pyramidal architectures to increase their capacity for learning features. Experiments on facial expression recognition of unseen people demonstrate that our approach is a potential candidate for applications with restricted resources, due to good generalization performance and low computational cost. We show that our approach generalizes as well as convolutional architectures in this task but uses fewer trainable parameters and is more robust for low-resolution faces.
Abstract（参考訳）: ロボット工学のような計算資源やラベル付きデータに制限がある領域では、数百万の重みを持つディープネットワークが最適解ではないかもしれない。本稿では,ピラミッド型アーキテクチャの学習能力を向上させるための接続方式を提案する。視覚障害者の表情認識実験は, 一般化性能と計算コストの低さから, 資源制限によるアプリケーションへのアプローチが潜在的な候補であることを示す。この手法は畳み込み型アーキテクチャと同様に一般化するが、学習可能なパラメータは少なく、低解像度の顔ではより堅牢である。

関連論文リスト

Task Agnostic Architecture for Algorithm Induction via Implicit Composition [10.627575117586417]
本研究の目的は,このような統一アーキテクチャの構築を探求することであり,その構築方法に関する理論的枠組みを提案することである。最近のジェネレーティブAI、特にトランスフォーマーベースのモデルは、幅広い領域のアルゴリズムを構築することができるアーキテクチャとしての可能性を示している。アルゴリズム合成におけるトランスフォーマーおよび他の手法の現在の機能と限界について検討する。
論文参考訳（メタデータ） (2024-04-03T04:31:09Z)
Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文参考訳（メタデータ） (2024-01-11T15:02:15Z)
Training Neural Networks with Internal State, Unconstrained Connectivity, and Discrete Activations [66.53734987585244]
真のインテリジェンスには、内部状態を管理するマシンラーニングモデルが必要だ。このようなモデルのトレーニングに最も効果的なアルゴリズムは,まだ発見されていない。このようなトレーニングアルゴリズムを2進アクティベーションと1つの重みの行列のみを持つアーキテクチャに適用する試みについて述べる。
論文参考訳（メタデータ） (2023-12-22T01:19:08Z)
Learning Interpretable Models Through Multi-Objective Neural Architecture Search [0.9990687944474739]
本稿では,タスク性能と「イントロスペクタビリティ」の両方を最適化するフレームワークを提案する。タスクエラーとイントロスペクタビリティを共同で最適化することは、エラー内で実行されるより不整合でデバッグ可能なアーキテクチャをもたらすことを実証する。
論文参考訳（メタデータ） (2021-12-16T05:50:55Z)
Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文参考訳（メタデータ） (2021-03-25T14:03:42Z)
Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文参考訳（メタデータ） (2020-12-25T07:08:50Z)
Graphs for deep learning representations [1.0152838128195467]
グラフ信号処理(GSP)の最近の進歩に基づくグラフ形式化について紹介します。すなわち、ディープニューラルネットワークの潜在空間を表すためにグラフを使用します。このグラフ形式化によって,頑健性の確保,学習プロセスの設計における任意の選択量の削減,入力に付加された小さな一般化の改善,計算複雑性の低減など,さまざまな質問に答えることができることが示されています。
論文参考訳（メタデータ） (2020-12-14T11:51:23Z)
Automated Search for Resource-Efficient Branched Multi-Task Networks [81.48051635183916]
我々は,多タスクニューラルネットワークにおける分岐構造を自動的に定義する,微分可能なニューラルネットワーク探索に根ざした原理的アプローチを提案する。本手法は,限られた資源予算内で高い性能の分岐構造を見いだすことができる。
論文参考訳（メタデータ） (2020-08-24T09:49:19Z)
Hierarchical Neural Architecture Search for Single Image Super-Resolution [18.624661846174412]
深部ニューラルネットワークは画像超解像(SR)において有望な性能を示したほとんどのSRモデルは、計算ブロックのセルレベル設計とアップサンプリングブロックの位置のネットワークレベル設計の両方を含む階層アーキテクチャに従う。本稿では,計算コストの異なる有望なアーキテクチャを自動設計する階層型ニューラルネットワーク探索法を提案する。
論文参考訳（メタデータ） (2020-03-10T10:19:44Z)
Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文参考訳（メタデータ） (2020-02-18T16:47:38Z)

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。