論文の概要: How Facial Features Convey Attention in Stationary Environments
- arxiv url: http://arxiv.org/abs/2111.14931v1
- Date: Mon, 29 Nov 2021 20:11:57 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 15:13:31.398302
- Title: How Facial Features Convey Attention in Stationary Environments
- Title(参考訳): 静止環境における顔特徴の注意喚起
- Authors: Janelle Domantay
- Abstract要約: 本研究は,視覚的特徴が認知と疲労の予測に最も寄与する要因を分析することによって,従来の注意欠陥検出研究を拡大することを目的とする。
被験者の視覚データを様々なレベルの注意度で分析するために,オープンソースの顔分析ツールキットOpenFaceを利用した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Awareness detection technologies have been gaining traction in a variety of
enterprises; most often used for driver fatigue detection, recent research has
shifted towards using computer vision technologies to analyze user attention in
environments such as online classrooms. This paper aims to extend previous
research on distraction detection by analyzing which visual features contribute
most to predicting awareness and fatigue. We utilized the open source facial
analysis toolkit OpenFace in order to analyze visual data of subjects at
varying levels of attentiveness. Then, using a Support-Vector Machine (SVM) we
created several prediction models for user attention and identified Histogram
of Oriented Gradients (HOG) and Action Units to be the greatest predictors of
the features we tested. We also compared the performance of this SVM to deep
learning approaches that utilize Convolutional and/or Recurrent neural networks
(CNN's and CRNN's). Interestingly, CRNN's did not appear to perform
significantly better than their CNN counterparts. While deep learning methods
achieved greater prediction accuracy, SVMs utilized less resources and, using
certain parameters, were able to approach the performance of deep learning
methods.
- Abstract(参考訳): 認識検出技術は様々な企業で注目を集めており、運転者の疲労検出によく用いられるが、近年の研究では、オンライン教室などの環境におけるユーザの注意をコンピュータビジョン技術で分析する研究にシフトしている。
本研究は,視覚的特徴が認知と疲労の予測に最も寄与する要因を分析することによって,従来の注意欠陥検出研究を拡大することを目的とする。
被験者の視覚データを種々の注意度で分析するために,オープンソースの顔分析ツールキットOpenFaceを利用した。
次に,svm(support-vector machine)を用いてユーザの注意を喚起するための予測モデルをいくつか作成し,我々がテストした機能の最大の予測要因として,向き付け勾配(hog)とアクションユニットのヒストグラムを特定しました。
また、このSVMの性能を、畳み込みと/またはリカレントニューラルネットワーク(CNNとCRNN)を利用するディープラーニングアプローチと比較した。
興味深いことに、CRNNはCNNよりもパフォーマンスが良くなかった。
ディープラーニング手法は予測精度が向上する一方で,SVMはリソースの削減と,特定のパラメータを用いて深層学習手法の性能にアプローチすることができた。
関連論文リスト
- Comprehensive evaluation of Mal-API-2019 dataset by machine learning in
malware detection [0.5874782446136914]
本研究では,機械学習技術を用いたマルウェア検出の徹底的な検討を行う。
その目的は、脅威をより効果的に識別し緩和することで、サイバーセキュリティの能力を向上させることである。
論文 参考訳(メタデータ) (2024-03-04T17:22:43Z) - What Makes Pre-Trained Visual Representations Successful for Robust
Manipulation? [57.92924256181857]
照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。
創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
論文 参考訳(メタデータ) (2023-11-03T18:09:08Z) - Backdoor Attack Detection in Computer Vision by Applying Matrix
Factorization on the Weights of Deep Networks [6.44397009982949]
本稿では,事前訓練したDNNの重みから特徴を抽出するバックドア検出手法を提案する。
他の検出技術と比較して、これはトレーニングデータを必要としないなど、多くのメリットがある。
提案手法は, 競合するアルゴリズムよりも効率性が高く, より正確であり, 深層学習とAIの安全な適用を確実にするのに役立つ。
論文 参考訳(メタデータ) (2022-12-15T20:20:18Z) - Influencer Detection with Dynamic Graph Neural Networks [56.1837101824783]
インフルエンサー検出のための動的グラフニューラルネットワーク(GNN)の構成について検討する。
GNNにおける深層多面的注意と時間特性の符号化が性能を著しく向上させることを示す。
論文 参考訳(メタデータ) (2022-11-15T13:00:25Z) - An Overview of Violence Detection Techniques: Current Challenges and
Future Directions [8.978422921103617]
バイオレンス検出(VD)は、人間によって引き起こされる異常な動作のビッグビデオデータを分析するために用いられる。
本稿では、検出された暴力の局所化戦略とともに、ディープシークエンス学習のアプローチの概要に焦点を当てる。
論文 参考訳(メタデータ) (2022-09-21T12:27:20Z) - Initial Study into Application of Feature Density and
Linguistically-backed Embedding to Improve Machine Learning-based
Cyberbullying Detection [54.83707803301847]
この研究は、自動サイバーバブル検出に関するKaggleコンペティションで提供されたFormspringデータセットで実施された。
本研究は,サイバブリング検出におけるニューラルネットワークの有効性と分類器性能と特徴密度の相関性を確認した。
論文 参考訳(メタデータ) (2022-06-04T03:17:15Z) - Multi-Branch Deep Radial Basis Function Networks for Facial Emotion
Recognition [80.35852245488043]
放射状基底関数(RBF)ユニットによって形成された複数の分岐で拡張されたCNNベースのアーキテクチャを提案する。
RBFユニットは、中間表現を用いて類似のインスタンスで共有される局所パターンをキャプチャする。
提案手法は,提案手法の競争力を高めるためのローカル情報の導入であることを示す。
論文 参考訳(メタデータ) (2021-09-07T21:05:56Z) - Neural Networks for Semantic Gaze Analysis in XR Settings [0.0]
本稿では,関心量の注釈に必要な時間と情報を最小化する新しい手法を提案する。
画像拡張手法を用いて,仮想モデルに基づく合成データセット上で畳み込みニューラルネットワーク(cnns)を訓練する。
本手法は実環境および仮想環境で評価し,最先端の手法と競合できることを示す。
論文 参考訳(メタデータ) (2021-03-18T18:05:01Z) - Variational Structured Attention Networks for Deep Visual Representation
Learning [49.80498066480928]
空間的注意マップとチャネル的注意の両方を原則的に共同学習するための統合的深層フレームワークを提案する。
具体的には,確率的表現学習フレームワークに注目度の推定と相互作用を統合する。
ニューラルネットワーク内で推論ルールを実装し,確率パラメータとcnnフロントエンドパラメータのエンドツーエンド学習を可能にする。
論文 参考訳(メタデータ) (2021-03-05T07:37:24Z) - The FaceChannel: A Fast & Furious Deep Neural Network for Facial
Expression Recognition [71.24825724518847]
顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。
私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。
我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
論文 参考訳(メタデータ) (2020-09-15T09:25:37Z) - An Adversarial Approach for Explaining the Predictions of Deep Neural
Networks [9.645196221785694]
本稿では,敵対的機械学習を用いて,ディープニューラルネットワーク(DNN)の予測を説明する新しいアルゴリズムを提案する。
提案手法は,DNNに対する敵攻撃の挙動に基づいて,入力特徴の相対的重要性を推定する。
分析により、一貫性のある効率的な説明が得られます。
論文 参考訳(メタデータ) (2020-05-20T18:06:53Z)
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。