論文の概要: Seeking Salient Facial Regions for Cross-Database Micro-Expression
Recognition
- arxiv url: http://arxiv.org/abs/2111.15361v1
- Date: Tue, 30 Nov 2021 13:08:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-01 13:58:34.571202
- Title: Seeking Salient Facial Regions for Cross-Database Micro-Expression
Recognition
- Title（参考訳）: クロスデータベースマイクロ圧縮認識のための有能な顔面領域の探索
- Authors: Xingxun Jiang and Yuan Zong and Wenming Zheng
- Abstract要約: 本稿では,クロスデータベースマイクロ圧縮認識の研究に焦点をあてる。
我々は、転送グループスパース回帰(TGSR)と呼ばれる新しいドメイン適応手法を提案する。
実験の結果,提案したTGSRは良好な性能を示し,最先端のサブスペース学習に基づくドメイン適応法よりも優れていた。
- 参考スコア（独自算出の注目度）: 20.014608424466502
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper focuses on the research of cross-database micro-expression
recognition, in which the training and test micro-expression samples belong to
different microexpression databases. Mismatched feature distributions between
the training and testing micro-expression feature degrade the performance of
most well-performing micro-expression methods. To deal with cross-database
micro-expression recognition, we propose a novel domain adaption method called
Transfer Group Sparse Regression (TGSR). TGSR learns a sparse regression matrix
for selecting salient facial local regions and the corresponding relationship
of the training set and test set. We evaluate our TGSR model in CASME II and
SMIC databases. Experimental results show that the proposed TGSR achieves
satisfactory performance and outperforms most state-of-the-art subspace
learning-based domain adaption methods.
- Abstract（参考訳）: 本稿では,マイクロ表現の学習とテストのサンプルが異なるマイクロ表現データベースに属するデータベース間マイクロ表現認識の研究に焦点を当てる。
トレーニングとテストのマイクロ表現のミスマッチした特徴分布は、最も優れたマイクロ表現法の性能を低下させる。
クロスデータベースのマイクロ表現認識を扱うために,トランスファーグループスパースレグレッション(tgsr)と呼ばれる新しいドメイン適応法を提案する。
tgsrは、トレーニングセットとテストセットの適切な顔局所領域および対応する関係を選択するスパース回帰行列を学習する。
CASME IIおよびSMICデータベースにおけるTGSRモデルの評価を行った。
実験の結果,提案したTGSRは良好な性能を示し,最先端のサブスペース学習に基づくドメイン適応法よりも優れていた。
関連論文リスト
- Ensemble Learning for Microbubble Localization in Super-Resolution Ultrasound [1.912429179274357]
超解像超音波(SR-US)は、微小血管と血流を高空間分解能で捉えるための強力なイメージング技術である。
本稿では,マイクロバブル(MB)のローカライゼーションを高めるためのアンサンブル学習手法の可能性について検討する。
論文 参考訳（メタデータ） (2024-11-11T21:26:36Z) - 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) - Inverse Reinforcement Learning for Text Summarization [52.765898203824975]
本稿では,抽象的な要約モデルを学習するための効果的なパラダイムとして,逆強化学習(IRL)を導入する。
異なる領域におけるデータセット間の実験結果は、MLEおよびRLベースラインに対する要約のための提案したIRLモデルの優位性を示す。
論文 参考訳（メタデータ） (2022-12-19T23:45:05Z) - 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) - One-Class Knowledge Distillation for Face Presentation Attack Detection [53.30584138746973]
本稿では,一級ドメイン適応による対面PADのクロスドメイン性能向上のための教師学生フレームワークを提案する。
学生ネットワークは、教師ネットワークを模倣し、ターゲットドメインの真の顔サンプルの類似した表現を学ぶために訓練される。
テストフェーズでは、教師と学生ネットワークの表現の類似度スコアを用いて、真の攻撃と区別する。
論文 参考訳（メタデータ） (2022-05-08T06:20:59Z) - Improving Meta-learning for Low-resource Text Classification and
Generation via Memory Imitation [87.98063273826702]
本稿では,メモリ模倣メタラーニング(MemIML)手法を提案する。
本手法の有効性を証明するために理論的解析を行った。
論文 参考訳（メタデータ） (2022-03-22T12:41:55Z) - 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) - Action Units That Constitute Trainable Micro-expressions (and A
Large-scale Synthetic Dataset) [20.866448615388876]
本研究では,マイクロ圧縮トレーニングデータを大規模に自動合成するプロトコルを開発することを目的とする。
具体的には、トレーニング可能なマイクロ表現を適切に構成できる3種類のアクションユニット(AU)を発見する。
これらのAUでは、様々なアイデンティティを持つ多数の顔画像と、既存の顔生成方式を用いてマイクロ圧縮合成を行う。
マイクロ圧縮認識モデルは、生成されたマイクロ圧縮データセットに基づいてトレーニングされ、実世界のテストセットで評価される。
論文 参考訳（メタデータ） (2021-12-03T06:09:06Z) - Cross-Domain Similarity Learning for Face Recognition in Unseen Domains [90.35908506994365]
本研究では,cdt(cross-domain triplet, クロスドメイントリプレット)の損失を推測する新しいクロスドメインメトリック学習損失法を提案する。
CDT損失は、一つのドメインからコンパクトな特徴クラスタを強制することによって意味論的に意味のある特徴の学習を促進する。
本手法では,トレーニング中,注意深いハードペアサンプルマイニングおよびフィルタリング戦略は必要としない。
論文 参考訳（メタデータ） (2021-03-12T19:48:01Z)
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。