論文の概要: Real-time Emotion and Gender Classification using Ensemble CNN
- arxiv url: http://arxiv.org/abs/2111.07746v1
- Date: Mon, 15 Nov 2021 13:51:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-16 16:11:00.093913
- Title: Real-time Emotion and Gender Classification using Ensemble CNN
- Title（参考訳）: Ensemble CNNを用いたリアルタイム感情とジェンダーの分類
- Authors: Abhinav Lahariya, Varsha Singh, Uma Shanker Tiwary
- Abstract要約: 本稿では,人物の感情や性別をリアルタイムに検出できるシステムを構築するためのEnsemble CNNの実装について述べる。
我々の研究は、単一の顔画像だけでなく、複数の顔画像上で感情や性別を予測することができる。
- 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: Analysing expressions on the person's face plays a very vital role in
identifying emotions and behavior of a person. Recognizing these expressions
automatically results in a crucial component of natural human-machine
interfaces. Therefore research in this field has a wide range of applications
in bio-metric authentication, surveillance systems , emotion to emoticons in
various social media platforms. Another application includes conducting
customer satisfaction surveys. As we know that the large corporations made huge
investments to get feedback and do surveys but fail to get equitable responses.
Emotion & Gender recognition through facial gestures is a technology that aims
to improve product and services performance by monitoring customer behavior to
specific products or service staff by their evaluation. In the past few years
there have been a wide variety of advances performed in terms of feature
extraction mechanisms , detection of face and also expression classification
techniques. This paper is the implementation of an Ensemble CNN for building a
real-time system that can detect emotion and gender of the person. The
experimental results shows accuracy of 68% for Emotion classification into 7
classes (angry, fear , sad , happy , surprise , neutral , disgust) on FER-2013
dataset and 95% for Gender classification (Male or Female) on IMDB dataset. Our
work can predict emotion and gender on single face images as well as multiple
face images. Also when input is given through webcam our complete pipeline of
this real-time system can take less than 0.5 seconds to generate results.
- Abstract（参考訳）: 顔の表情を分析することは、人の感情や行動を特定する上で非常に重要な役割を果たす。
これらの表現を認識すれば、自然のヒューマンマシンインタフェースの重要なコンポーネントが自動的に生成される。
この分野での研究は、様々なソーシャルメディアプラットフォームにおけるバイオメトリック認証、監視システム、感情からエモティコンへの幅広い応用がある。
その他、顧客満足度調査を行うアプリケーションもある。
大企業はフィードバックと調査のために巨額の投資を行ったが、公平な回答は得られなかった。
顔のジェスチャーによる感情とジェンダーの認識は、特定の製品やサービススタッフに対する顧客の振る舞いを評価によって監視することで、製品やサービスのパフォーマンスを向上させる技術である。
近年, 特徴抽出機構, 顔の検出, 表現分類技術など, 様々な進歩がなされている。
本稿では,人物の感情や性別をリアルタイムに検出できるシステムを構築するためのEnsemble CNNの実装について述べる。
実験の結果、fer-2013データセット上の感情分類(angry, fear , sad , happy , surprise , neutral , disgust)の68%、imdbデータセットの性別分類(男性または女性)の95%の精度を示した。
私たちの研究は、複数の顔画像だけでなく、単一の顔画像上で感情や性別を予測できる。
また、Webカメラを通じて入力が与えられると、このリアルタイムシステムの完全なパイプラインは0.5秒未満で結果を生成することができます。
関連論文リスト
- Exploring Vision Language Models for Facial Attribute Recognition: Emotion, Race, Gender, and Age [0.1399948157377307]
画像に基づく人口動態の分析と表情の分析は、人間の顔特性の複雑さのためにいくつかの課題がある。
従来のアプローチでは、ラベル付き画像の広範なコレクションに基づいてトレーニングされたCNNやその他の様々なディープラーニング技術が採用されている。
本稿では,GPT,GEMINI,大規模言語・視覚アシスタント(LLAVA),PaliGemma,Microsoft Florence2などの視覚言語モデルを提案する。
論文 参考訳（メタデータ） (2024-10-31T17:09:19Z) - Performance Analysis and Evaluation of Cloud Vision Emotion APIs [0.0]
顔の感情の980イメージの公開データセットを用いて、よく知られた2つのAPIのパフォーマンスを比較した。
その結果,各感情の予測精度はクラウドサービスによって異なることがわかった。
論文 参考訳（メタデータ） (2023-03-23T00:47:43Z) - Robustness Disparities in Face Detection [64.71318433419636]
本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。
すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
論文 参考訳（メタデータ） (2022-11-29T05:22:47Z) - 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) - Emotion Separation and Recognition from a Facial Expression by Generating the Poker Face with Vision Transformers [57.1091606948826]
我々はこれらの課題に対処するため,ポーカー・フェイス・ビジョン・トランスフォーマー (PF-ViT) と呼ばれる新しいFERモデルを提案する。
PF-ViTは、対応するポーカーフェースを生成して、乱れを認識できない感情を静的な顔画像から分離し、認識することを目的としている。
PF-ViTはバニラビジョントランスフォーマーを使用し、そのコンポーネントは大規模な表情データセット上でMasked Autoencodeerとして事前トレーニングされている。
論文 参考訳（メタデータ） (2022-07-22T13:39:06Z) - Multi-Cue Adaptive Emotion Recognition Network [4.570705738465714]
適応型マルチキューに基づく感情認識のための新しい深層学習手法を提案する。
提案手法とCAER-Sデータセットの最先端手法を比較した。
論文 参考訳（メタデータ） (2021-11-03T15:08:55Z) - Facial Emotion Recognition: A multi-task approach using deep learning [0.0]
マルチタスク学習アルゴリズムを提案する。一つのCNNが感情とともに対象者の性別、年齢、人種を検出する。
その結果、このアプローチは現在のタスクの最先端技術アルゴリズムよりもはるかに優れていることがわかった。
論文 参考訳（メタデータ） (2021-10-28T11:23:00Z) - Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。
感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文 参考訳（メタデータ） (2021-03-01T08:31:08Z) - Learning Emotional-Blinded Face Representations [77.7653702071127]
感情反応に関連する表情に盲目な2つの顔表現を提案する。
この作業は、個人データ保護に関する新たな国際規則によって動機付けられている。
論文 参考訳（メタデータ） (2020-09-18T09:24:10Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z) - Learning to Augment Expressions for Few-shot Fine-grained Facial
Expression Recognition [98.83578105374535]
顔表情データベースF2EDについて述べる。
顔の表情は119人から54人まで、200万枚以上の画像が含まれている。
実世界のシナリオでは,不均一なデータ分布やサンプルの欠如が一般的であるので,数発の表情学習の課題を評価する。
顔画像合成のための統合されたタスク駆動型フレームワークであるComposeal Generative Adversarial Network (Comp-GAN) 学習を提案する。
論文 参考訳（メタデータ） (2020-01-17T03:26:32Z)
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。