論文の概要: Adults as Augmentations for Children in Facial Emotion Recognition with
Contrastive Learning
- arxiv url: http://arxiv.org/abs/2202.05187v1
- Date: Thu, 10 Feb 2022 17:43:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-11 16:20:17.924923
- Title: Adults as Augmentations for Children in Facial Emotion Recognition with
Contrastive Learning
- Title（参考訳）: コントラスト学習による顔の感情認識における大人の強化
- Authors: Marco Virgolin, Andrea De Lorenzo, Tanja Alderliesten, Peter A. N.
Bosman
- Abstract要約: 本研究では,子どもの表情認識におけるデータ不足を克服するために,データ強化に基づくコントラスト学習の適用について検討した。
成人の表情画像と子どもの表情画像とを併用する方法について検討した。
- 参考スコア（独自算出の注目度）: 1.0323063834827415
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Emotion recognition in children can help the early identification of, and
intervention on, psychological complications that arise in stressful situations
such as cancer treatment. Though deep learning models are increasingly being
adopted, data scarcity is often an issue in pediatric medicine, including for
facial emotion recognition in children. In this paper, we study the application
of data augmentation-based contrastive learning to overcome data scarcity in
facial emotion recognition for children. We explore the idea of ignoring
generational gaps, by adding abundantly available adult data to pediatric data,
to learn better representations. We investigate different ways by which adult
facial expression images can be used alongside those of children. In
particular, we propose to explicitly incorporate within each mini-batch adult
images as augmentations for children's. Out of $84$ combinations of learning
approaches and training set sizes, we find that supervised contrastive learning
with the proposed training scheme performs best, reaching a test accuracy that
typically surpasses the one of the second-best approach by 2% to 3%. Our
results indicate that adult data can be considered to be a meaningful
augmentation of pediatric data for the recognition of emotional facial
expression in children, and open up the possibility for other applications of
contrastive learning to improve pediatric care by complementing data of
children with that of adults.
- Abstract（参考訳）: 子どもの感情認識は、がん治療のようなストレスの多い状況で生じる心理的合併症の早期発見、および介入に役立つ。
深層学習モデルが採用されつつあるが、小児医学におけるデータ不足は、小児の表情認識など、しばしば問題となっている。
本稿では,子どもの表情認識におけるデータ不足を克服するためのデータ強化型コントラスト学習の応用について検討する。
小児データに豊富な成人データを追加することで、世代間ギャップを無視する考え方を探求し、より良い表現を学習する。
本研究では,成人の表情画像と小児の表情画像の併用方法について検討する。
特に,子ども向けの拡張として,各ミニバッチアダルト画像に明示的に組み込むことを提案する。
840ドルの学習アプローチとトレーニングセットのサイズの組み合わせのうち、提案するトレーニングスキームとの教師ありコントラスト学習は、一般的に2番目に優れたアプローチの1つを2%から3%上回るテスト精度に達する。
以上の結果から,成人データは小児の感情的表情認識のための小児データの有意義な増補であり,小児と成人のデータを補完することにより,コントラスト学習の他の応用が小児のケアを改善する可能性が示唆された。
関連論文リスト
- Emotion Classification of Children Expressions [0.0]
このモデルは、Squeeze-andExcitationブロック、Convolutional Block Attentionモジュール、ロバストなデータ拡張を備えたモデルの高度な概念を用いて実現されている。
Batch Normalisation, Dropout, SE Attention Mechanism を用いて, 子どもの感情の分類を行ったところ, 89%の精度が得られた。
論文 参考訳（メタデータ） (2024-11-12T10:47:31Z) - ChildDiffusion: Unlocking the Potential of Generative AI and Controllable Augmentations for Child Facial Data using Stable Diffusion and Large Language Models [1.1470070927586018]
この枠組みは、民族データ、微妙な表現、顔ポーズのバリエーション、目まき効果、異なる髪の色とスタイル、老化、複数と異なる子供の性別を単一のフレームでレンダリングすることによって検証される。
提案手法は、時間的不整合や出力の限られた制御など、生成AIツールで発生する一般的な問題を回避している。
論文 参考訳（メタデータ） (2024-06-17T14:37:14Z) - Challenges in Video-Based Infant Action Recognition: A Critical
Examination of the State of the Art [9.327466428403916]
InfActPrimitive’という,5つの重要な幼児マイルストーンアクションカテゴリを含む,画期的なデータセットを紹介します。
近縁骨格に基づく行動認識モデルを用いた広範囲な比較分析を行う。
以上の結果から,PoseC3Dモデルでは約71%の精度で高い精度を達成できたが,残りのモデルでは乳幼児行動の動態を正確に把握することが困難であった。
論文 参考訳（メタデータ） (2023-11-21T02:36:47Z) - 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) - Improving Face Recognition with Large Age Gaps by Learning to
Distinguish Children [18.035138944233367]
本稿では,子像間の類似度を最小限に抑える新たな損失関数であるInter-Prototype Losingを提案する。
実験と詳細な分析により,既存の顔認識のベースラインを子どもと大人のペアで上回る結果が得られた。
論文 参考訳（メタデータ） (2021-10-22T07:31:14Z) - Pre-training strategies and datasets for facial representation learning [58.8289362536262]
いくつかの顔分析タスクやデータセットに適用可能な普遍的な顔表現の探索方法を示す。
顔に適応する2つの大規模表現学習を体系的に検討する。
私たちの主な2つの発見は以下の通りです: 完全にインザワイルドな未処理データに対する教師なし事前トレーニングは一貫性を提供し、場合によっては大幅な精度向上をもたらします。
論文 参考訳（メタデータ） (2021-03-30T17:57:25Z) - 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) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z) - 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。