論文の概要: Coarse-to-Fine Cascaded Networks with Smooth Predicting for Video Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2203.13052v3
• Date: Mon, 28 Mar 2022 10:57:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-29 11:44:44.773883
• Title: Coarse-to-Fine Cascaded Networks with Smooth Predicting for Video Facial Expression Recognition
• Title（参考訳）: 映像表情認識のためのスムース予測付き粗大なカスケードネットワーク
• Authors: Fanglei Xue, Zichang Tan, Yu Zhu, Zhongsong Ma, Guodong Guo
• Abstract要約: 本稿では,表情認識の性能向上を図るために,Smooth Predicting (CFC-SP) を用いたCarse-to-Fine Cascadedネットワークを提案する。 CFC-SPは、CFC(Coarse-to-Fine Cascaded Network)とSmooth Predicting(SP)の2つのコアコンポーネントを含んでいる。
• 参考スコア（独自算出の注目度）: 35.45366281859551
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Facial expression recognition plays an important role in human-computer interaction. In this paper, we propose the Coarse-to-Fine Cascaded network with Smooth Predicting (CFC-SP) to improve the performance of facial expression recognition. CFC-SP contains two core components, namely Coarse-to-Fine Cascaded networks (CFC) and Smooth Predicting (SP). For CFC, it first groups several similar emotions to form a rough category, and then employs a network to conduct a coarse but accurate classification. Later, an additional network for these grouped emotions is further used to obtain fine-grained predictions. For SP, it improves the recognition capability of the model by capturing both universal and unique expression features. To be specific, the universal features denote the general characteristic of facial emotions within a period and the unique features denote the specific characteristic at this moment. Experiments on Aff-Wild2 show the effectiveness of the proposed CFSP.
• Abstract（参考訳）: 表情認識は人間とコンピュータの相互作用において重要な役割を果たす。 本稿では,表情認識の性能を向上させるために,Smooth Predicting (CFC-SP) を用いたCarse-to-Fine Cascadedネットワークを提案する。 CFC-SPは、CFC(Carse-to-Fine Cascaded Network)とSP(Smooth Predicting)の2つのコアコンポーネントを含んでいる。 CFCでは、まずいくつかの類似した感情をグループ化し、粗いカテゴリーを形成し、その後ネットワークを使って粗いが正確な分類を行う。 後に、これらのグループ化された感情のための追加のネットワークが、よりきめ細かい予測を得るためにさらに使用される。 SPでは、普遍的および一意的な表現特徴の両方をキャプチャすることで、モデルの認識能力を向上する。 具体的には、普遍的な特徴は、ある期間内の顔の感情の一般的な特徴を表し、特異な特徴は、この時点での特定の特徴を表す。 Aff-Wild2の実験は提案したCFSPの有効性を示した。

関連論文リスト

• FaceCat: Enhancing Face Recognition Security with a Unified Diffusion Model [30.0523477092216]
  対面防止(FAS)と対向検出(FAD)は、顔認識システムの安全性を確保するための重要な技術であると考えられている。 本研究の目的は,1) 顔下特徴表現と2) トレーニングデータの不足という2つの主要な障害を突破することで,この目標を達成することである。
  論文  参考訳（メタデータ） (2024-04-14T09:01:26Z)
• Distract Your Attention: Multi-head Cross Attention Network for Facial Expression Recognition [4.500212131331687]
  本稿では,DAN(Distract your Attention Network)と呼ばれる新しい表情認識ネットワークを提案する。 本手法は2つの重要な観察結果に基づいており、複数のクラスが本質的に類似した顔の外観を共有しており、その違いは微妙である可能性がある。 特徴クラスタリングネットワーク(FCN)、マルチヘッドクロスアテンションネットワーク(MAN)、アテンションフュージョンネットワーク(AFN)の3つの主要コンポーネントでDANを提案する。
  論文  参考訳（メタデータ） (2021-09-15T13:15:54Z)
• Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
  フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。 我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
  論文  参考訳（メタデータ） (2021-08-11T01:31:14Z)
• Facial expression and attributes recognition based on multi-task learning of lightweight neural networks [9.162936410696409]
  顔の識別と顔の属性の分類のための軽量畳み込みニューラルネットワークのマルチタスクトレーニングを検討する。 顔の表情を予測するためには,これらのネットワークを微調整する必要がある。 MobileNet、EfficientNet、RexNetアーキテクチャに基づくいくつかのモデルが提示される。
  論文  参考訳（メタデータ） (2021-03-31T14:21:04Z)
• An Adversarial Human Pose Estimation Network Injected with Graph Structure [75.08618278188209]
  本稿では,いくつかの関節が見えない場合に,可視関節の局所化精度を向上させるために,新しいGAN(Generative Adversarial Network)を設計する。 ネットワークは、2つのシンプルで効率的なモジュール、カスケード機能ネットワーク(CFN)とグラフ構造ネットワーク(GSN)で構成されています。
  論文  参考訳（メタデータ） (2021-03-29T12:07:08Z)
• Attn-HybridNet: Improving Discriminability of Hybrid Features with Attention Fusion [15.083406111874249]
  主成分分析ネットワーク(PCANet)は、主成分を畳み込み層内のフィルタとして利用する、教師なしの擬似深層ネットワークである。 PCANetとTFNet(Facterization Network)が取得した情報は、独特で非自明であるが、個々に不十分であることを示す。 そこで, PCANet と TFNet が取得した情報は, 独特で非自明であるが, 個々に不十分であることを示す。 ハイブリッドな特徴の識別性を高めるために,注意に基づく特徴融合を行うことで特徴の冗長性を緩和する Attn-HybridNet を提案する。
  論文  参考訳（メタデータ） (2020-10-13T00:52:57Z)
• Kernelized dense layers for facial expression recognition [10.98068123467568]
  本稿では,従来の線形関係ではなく,高次特徴相互作用をキャプチャするカーネル化Dense Layer (KDL)を提案する。 本モデルでは,最先端のアプローチに関して,競争力のある結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-09-22T21:02:00Z)
• Face Anti-Spoofing with Human Material Perception [76.4844593082362]
  フェース・アンチ・スプーフィング(FAS)は、プレゼンテーション攻撃から顔認識システムを保護する上で重要な役割を担っている。 我々は、顔の反偽造を物質認識問題として言い換え、それを古典的な人間の物質知覚と組み合わせる。 本稿では,本質的な素材に基づくパターンをキャプチャ可能なバイラテラル畳み込みネットワーク(BCN)を提案する。
  論文  参考訳（メタデータ） (2020-07-04T18:25:53Z)
• DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
  本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。 実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
  論文  参考訳（メタデータ） (2020-02-23T08:16:34Z)
• Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
  本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。 具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。 顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
  論文  参考訳（メタデータ） (2020-02-17T20:00:56Z)

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。