論文の概要: Domain Generalisation for Apparent Emotional Facial Expression Recognition across Age-Groups

• arxiv url: http://arxiv.org/abs/2110.09168v1
• Date: Mon, 18 Oct 2021 10:35:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 14:30:08.789904
• Title: Domain Generalisation for Apparent Emotional Facial Expression Recognition across Age-Groups
• Title（参考訳）: 年齢層間での表情認識のためのドメイン一般化
• Authors: Rafael Poyiadzi, Jie Shen, Stavros Petridis, Yujiang Wang, and Maja Pantic
• Abstract要約: 本研究では,異なる年齢群を用いた表情認識モデルの訓練効果について検討した。 その結果,未確認年齢群では,訓練年齢群の増加により表情認識能力が向上する傾向がみられた。
• 参考スコア（独自算出の注目度）: 55.56174840049614
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Apparent emotional facial expression recognition has attracted a lot of research attention recently. However, the majority of approaches ignore age differences and train a generic model for all ages. In this work, we study the effect of using different age-groups for training apparent emotional facial expression recognition models. To this end, we study Domain Generalisation in the context of apparent emotional facial expression recognition from facial imagery across different age groups. We first compare several domain generalisation algorithms on the basis of out-of-domain-generalisation, and observe that the Class-Conditional Domain-Adversarial Neural Networks (CDANN) algorithm has the best performance. We then study the effect of variety and number of age-groups used during training on generalisation to unseen age-groups and observe that an increase in the number of training age-groups tends to increase the apparent emotional facial expression recognition performance on unseen age-groups. We also show that exclusion of an age-group during training tends to affect more the performance of the neighbouring age groups.
• Abstract（参考訳）: 感情的な表情認識は近年,多くの研究が注目されている。 しかし、ほとんどのアプローチは年齢差を無視し、すべての年齢のジェネリックモデルを訓練する。 本研究では,異なる年齢群を用いた表情認識モデルの訓練効果について検討した。 そこで本研究では,異なる年齢層にまたがる顔画像から感情的表情認識の文脈における領域一般化について検討する。 まず、複数のドメイン一般化アルゴリズムをドメイン外一般化に基づいて比較し、クラス条件型ドメイン逆ニューラルネットワーク(cdann)アルゴリズムが最適な性能を有することを観察する。 次に,訓練中に用いた年齢集団の多様さと年齢集団の多様さが年齢集団の一般化に及ぼす影響について検討し,訓練対象年齢集団の増加が年齢集団の表情認識能力を高める傾向にあることを示した。 また,訓練中の年齢集団の排除は,近隣年齢集団のパフォーマンスに影響を及ぼす傾向がみられた。

関連論文リスト

• Face Emotion Recognization Using Dataset Augmentation Based on Neural Network [0.0]
  表情は、人の感情や感情の最も外部的な表現の1つである。 対人関係の調整に重要な役割を果たしている。 感情分析の分野の一分野として、表情認識は幅広い応用可能性を提供する。
  論文  参考訳（メタデータ） (2022-10-23T10:21:45Z)
• Deep Adaptation of Adult-Child Facial Expressions by Fusing Landmark Features [0.6219950137166257]
  深層畳み込みニューラルネットワークは、成人の表情の分類において有望な結果を示す。 本研究では, BEACE-BE-SELF (BEtaMix Selected Landmark Features) を用いた適応型FACial Expressionsを提案する。
  論文  参考訳（メタデータ） (2022-09-18T17:29:36Z)
• 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)
• I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition [78.07239208222599]
  今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。 また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
  論文  参考訳（メタデータ） (2021-04-16T20:03:30Z)
• PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
  本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。 このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。 実験により,既存の (c) GANs 法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-12-07T05:45:13Z)
• Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
  本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
  論文  参考訳（メタデータ） (2020-11-11T16:43:32Z)
• Mitigating Face Recognition Bias via Group Adaptive Classifier [53.15616844833305]
  この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。 我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
  論文  参考訳（メタデータ） (2020-06-13T06:43:37Z)
• Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
  特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。 本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。 提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-06-06T21:53:44Z)

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。