論文の概要: Analysis of Semi-Supervised Methods for Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2208.00544v1
• Date: Sun, 31 Jul 2022 23:58:35 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 13:53:02.173915
• Title: Analysis of Semi-Supervised Methods for Facial Expression Recognition
• Title（参考訳）: 表情認識のための半監督手法の解析
• Authors: Shuvendu Roy, Ali Etemad
• Abstract要約: 画像認識のためのディープニューラルネットワークのトレーニングは、大規模な人間の注釈付きデータを必要とすることが多い。 ラベル付きデータに対するディープ・ニューラル・ソリューションの信頼性を低減するための半教師付き手法が提案されている。 本研究は,クラス毎に250以上のラベル付きサンプルを用いて,既存の半教師付きメソッドをトレーニングする場合,全ラベル付きデータセットでトレーニングした完全教師付きメソッドと同等のパフォーマンスが得られることを示す。
• 参考スコア（独自算出の注目度）: 19.442685015494316
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Training deep neural networks for image recognition often requires large-scale human annotated data. To reduce the reliance of deep neural solutions on labeled data, state-of-the-art semi-supervised methods have been proposed in the literature. Nonetheless, the use of such semi-supervised methods has been quite rare in the field of facial expression recognition (FER). In this paper, we present a comprehensive study on recently proposed state-of-the-art semi-supervised learning methods in the context of FER. We conduct comparative study on eight semi-supervised learning methods, namely Pi-Model, Pseudo-label, Mean-Teacher, VAT, MixMatch, ReMixMatch, UDA, and FixMatch, on three FER datasets (FER13, RAF-DB, and AffectNet), when various amounts of labeled samples are used. We also compare the performance of these methods against fully-supervised training. Our study shows that when training existing semi-supervised methods on as little as 250 labeled samples per class can yield comparable performances to that of fully-supervised methods trained on the full labeled datasets. To facilitate further research in this area, we make our code publicly available at: https://github.com/ShuvenduRoy/SSL_FER
• Abstract（参考訳）: 画像認識のためのディープニューラルネットワークのトレーニングには、しばしば大規模な人間の注釈データが必要である。 ラベル付きデータに対するディープ・ニューラル・ソリューションの信頼性を低下させるため,最先端の半教師付き手法が文献に提案されている。 それにもかかわらず、表情認識(FER)の分野では、このような半教師付き手法の使用は極めて稀である。 本稿では,最近提案されたferの文脈における最先端の半教師付き学習手法に関する包括的研究を行う。 我々は,3つのFERデータセット(FER13,RAF-DB,AffectNet)上で,Pi-Model,Pseudo-label,Mean-Teacher,VAT,MixMatch,ReMixMatch,UDA,FixMatchの8つの半教師付き学習手法の比較を行った。 また,本手法の性能を教師あり訓練と比較した。 既存の半教師付きメソッドをクラス毎に250個のラベル付きサンプルでトレーニングすると、完全なラベル付きデータセットでトレーニングされた完全教師付きメソッドと同等のパフォーマンスが得られる。 この領域でのさらなる研究を促進するため、コード公開はhttps://github.com/ShuvenduRoy/SSL_FERで行います。

関連論文リスト

• Manifold DivideMix: A Semi-Supervised Contrastive Learning Framework for Severe Label Noise [4.90148689564172]
  実世界のデータセットには、データセットのどのクラスにも意味のないノイズの多いラベルサンプルが含まれている。 最先端の手法の多くは、IDラベル付きノイズサンプルを半教師付き学習のためのラベルなしデータとして利用する。 自己指導型トレーニングの利点を生かして,すべてのトレーニングデータからの情報を活用することを提案する。
  論文  参考訳（メタデータ） (2023-08-13T23:33:33Z)
• Exploring the Boundaries of Semi-Supervised Facial Expression Recognition: Learning from In-Distribution, Out-of-Distribution, and Unconstrained Data [19.442685015494316]
  表情認識(FER)における最新の半教師あり手法11について検討する。 本研究は,非流通,アウト・オブ・ディストリビューション,制約のない,非常に小さなデータからの半教師付き学習を対象とする。 以上の結果から,FixMatchは非分散データに対して常に優れたパフォーマンスを実現していることを示す一方,ReMixMatchは非分散データ,非制約データ,希少データシナリオにおいて,すべてのメソッドにおいて際立っている。
  論文  参考訳（メタデータ） (2023-06-02T01:40:08Z)
• Pushing the Envelope for Depth-Based Semi-Supervised 3D Hand Pose Estimation with Consistency Training [2.6954666679827137]
  ラベル付きトレーニングデータへの依存を著しく低減する半教師付き手法を提案する。 提案手法は,教師ネットワークと学生ネットワークの2つの同一ネットワークを共同で訓練した。 実験により,提案手法は最先端の半教師付き手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-27T12:32:49Z)
• Boosting Facial Expression Recognition by A Semi-Supervised Progressive Teacher [54.50747989860957]
  本稿では,信頼度の高いFERデータセットと大規模未ラベル表現画像を有効訓練に用いるための半教師付き学習アルゴリズム,Progressive Teacher (PT)を提案する。 RAF-DB と FERPlus を用いた実験により,RAF-DB で89.57% の精度で最先端の性能を実現する手法の有効性が検証された。
  論文  参考訳（メタデータ） (2022-05-28T07:47:53Z)
• A Topological Approach for Semi-Supervised Learning [0.0]
  トポロジカルデータ分析(TDA)に基づく半教師付き学習手法を提案する。 特に,2つの異なるトポロジ的アプローチに従って,2つの半教師付き学習手法を開発した。 本研究で開発された手法は,手作業でラベル付けしたデータのみを学習したモデルと,従来の半教師付き学習手法を用いて学習したモデルとを比較検討した。
  論文  参考訳（メタデータ） (2022-05-19T15:23:39Z)
• Learning with Neighbor Consistency for Noisy Labels [69.83857578836769]
  特徴空間におけるトレーニング例間の類似性を利用した雑音ラベルから学習する手法を提案する。 合成(CIFAR-10, CIFAR-100)とリアル(mini-WebVision, Clothing1M, mini-ImageNet-Red)の両方のノイズを評価するデータセットの評価を行った。
  論文  参考訳（メタデータ） (2022-02-04T15:46:27Z)
• Combining Feature and Instance Attribution to Detect Artifacts [62.63504976810927]
  トレーニングデータアーティファクトの識別を容易にする手法を提案する。 提案手法は,トレーニングデータのアーティファクトの発見に有効であることを示す。 我々は,これらの手法が実際にNLP研究者にとって有用かどうかを評価するために,小規模なユーザスタディを実施している。
  論文  参考訳（メタデータ） (2021-07-01T09:26:13Z)
• Region Comparison Network for Interpretable Few-shot Image Classification [97.97902360117368]
  新しいクラスのモデルをトレーニングするために、ラベル付きサンプルの限られた数だけを効果的に活用するための画像分類が提案されている。 本研究では,領域比較ネットワーク (RCN) と呼ばれる距離学習に基づく手法を提案する。 また,タスクのレベルからカテゴリへの解釈可能性の一般化も提案する。
  論文  参考訳（メタデータ） (2020-09-08T07:29:05Z)
• Deep Semi-supervised Knowledge Distillation for Overlapping Cervical Cell Instance Segmentation [54.49894381464853]
  本稿では, ラベル付きデータとラベルなしデータの両方を, 知識蒸留による精度向上に活用することを提案する。 摂動に敏感なサンプルマイニングを用いたマスク誘導型平均教師フレームワークを提案する。 実験の結果,ラベル付きデータのみから学習した教師付き手法と比較して,提案手法は性能を著しく向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-21T13:27:09Z)
• Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
  ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。 我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。 そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T09:36:51Z)
• Biologically-Motivated Deep Learning Method using Hierarchical Competitive Learning [0.0]
  本稿では,CNNの事前学習方法として,前方伝播信号のみを必要とする教師なしの競争学習を導入することを提案する。 提案手法は,例えば時系列や医療データなど,ラベルの粗末なデータに対して有用である。
  論文  参考訳（メタデータ） (2020-01-04T20:07:36Z)

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。