論文の概要: On Developing Facial Stress Analysis and Expression Recognition Platform

• arxiv url: http://arxiv.org/abs/2209.07916v1
• Date: Fri, 16 Sep 2022 13:29:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 12:50:56.723798
• Title: On Developing Facial Stress Analysis and Expression Recognition Platform
• Title（参考訳）: 顔のストレス分析と表情認識プラットフォームの開発について
• Authors: Fabio Cacciatori, Sergei Nikolaev, Dmitrii Grigorev
• Abstract要約: 本研究は,表情認識と顔ストレス分析アルゴリズムの実験および開発プロセスを表す。 このシステムは、ユーザのWebカメラから取得し、人工知能ニューラルネットワーク(ANN)アルゴリズムを用いて評価する。 ANN出力信号は、学習プロセスのスコアと改善に使用することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work represents the experimental and development process of system facial expression recognition and facial stress analysis algorithms for an immersive digital learning platform. The system retrieves from users web camera and evaluates it using artificial neural network (ANN) algorithms. The ANN output signals can be used to score and improve the learning process. Adapting an ANN to a new system can require a significant implementation effort or the need to repeat the ANN training. There are also limitations related to the minimum hardware required to run an ANN. To overpass these constraints, some possible implementations of facial expression recognition and facial stress analysis algorithms in real-time systems are presented. The implementation of the new solution has made it possible to improve the accuracy in the recognition of facial expressions and also to increase their response speed. Experimental results showed that using the developed algorithms allow to detect the heart rate with better rate in comparison with social equipment.
• Abstract（参考訳）: 本研究は,没入型デジタル学習プラットフォームのためのシステム表情認識と顔応力解析アルゴリズムの実験と開発プロセスを示す。 このシステムは、ユーザのWebカメラから取得し、人工知能ニューラルネットワーク(ANN)アルゴリズムを用いて評価する。 ANN出力信号は、学習プロセスのスコアと改善に使用することができる。 新しいシステムにANNを適用するには、大幅な実装や、ANNトレーニングを繰り返す必要がある。 ANNを実行するのに必要な最小限のハードウェアにも制限がある。 これらの制約を克服するため、リアルタイムシステムにおける表情認識と顔ストレス分析アルゴリズムの実装の可能性を示す。 新たなソリューションの実装により,表情認識の精度の向上と応答速度の向上が可能となった。 実験結果から, 開発したアルゴリズムを用いることで, ソーシャル機器と比較して心拍数を検出することができることがわかった。

関連論文リスト

• Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models [49.3179290313959]
  感情中心型生成的リプレイ (ECgr) は, 生成的対向ネットワークから合成画像を統合することで, この課題に対処する。 ECgrは、生成された画像の忠実性を保証するために品質保証アルゴリズムを組み込んでいる。 4つの多様な表情データセットに対する実験結果から,擬似リハーサル法により生成されたイメージを組み込むことで,ターゲットとするデータセットとソースデータセットのトレーニングが促進されることが示された。
  論文  参考訳（メタデータ） (2024-04-18T15:28:34Z)
• Slax: A Composable JAX Library for Rapid and Flexible Prototyping of Spiking Neural Networks [0.19427883580687189]
  本稿では,SNNアルゴリズム設計を高速化するJAXベースのライブラリであるSlaxを紹介する。 Slaxは多様なトレーニングアルゴリズムの最適化実装を提供し、直接性能比較を可能にする。
  論文  参考訳（メタデータ） (2024-04-08T18:15:13Z)
• The Clock and the Pizza: Two Stories in Mechanistic Explanation of Neural Networks [59.26515696183751]
  ニューラルネットワークにおけるアルゴリズム発見は、時としてより複雑であることを示す。 単純な学習問題でさえ、驚くほど多様なソリューションを許容できることが示されています。
  論文  参考訳（メタデータ） (2023-06-30T17:59:13Z)
• A Novel Enhanced Convolution Neural Network with Extreme Learning Machine: Facial Emotional Recognition in Psychology Practices [31.159346405039667]
  本研究の目的は、トレーニングセッション中の顔の感情認識精度を改善し、処理時間を短縮することである。 提案したCNNEELMモデルは、JSFFE、CK+、FER2013式データセットでトレーニングされている。 シミュレーションの結果,精度と処理時間が大きく向上し,映像解析に適したモデルが得られた。
  論文  参考訳（メタデータ） (2022-08-05T02:21:34Z)
• Hybrid SNN-ANN: Energy-Efficient Classification and Object Detection for Event-Based Vision [64.71260357476602]
  イベントベースの視覚センサは、画像フレームではなく、イベントストリームの局所的な画素単位の明るさ変化を符号化する。 イベントベースセンサーによる物体認識の最近の進歩は、ディープニューラルネットワークの変換によるものである。 本稿では、イベントベースのパターン認識とオブジェクト検出のためのディープニューラルネットワークのエンドツーエンドトレーニングのためのハイブリッドアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-12-06T23:45:58Z)
• Towards a Real-Time Facial Analysis System [13.649384403827359]
  本稿では,リアルタイム顔分析システムのシステムレベル設計について述べる。 オブジェクトの検出、分類、回帰のためのディープニューラルネットワークのコレクションにより、カメラビューに現れる各人物の年齢、性別、表情、顔の類似性を認識する。 一般的なオフ・ザ・シェルフアーキテクチャの結果、システムの精度は最先端の手法に匹敵し、認識速度はリアルタイムの要求を満たすことが示された。
  論文  参考訳（メタデータ） (2021-09-21T18:27:15Z)
• Continuous Emotion Recognition with Spatiotemporal Convolutional Neural Networks [82.54695985117783]
  In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。 我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
  論文  参考訳（メタデータ） (2020-11-18T13:42:05Z)
• TimeConvNets: A Deep Time Windowed Convolution Neural Network Design for Real-time Video Facial Expression Recognition [93.0013343535411]
  本研究では、リアルタイムな映像表情認識を目的とした、新しい時間窓付き畳み込みニューラルネットワーク設計(TimeConvNets)について検討する。 我々は,TimeConvNetsが表情の過度なニュアンスを捕捉し,低い推論時間を維持しながら分類精度を高めることができることを示した。
  論文  参考訳（メタデータ） (2020-03-03T20:58:52Z)
• 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)
• Self learning robot using real-time neural networks [7.347989843033033]
  本稿では,ロボットの腕に実装されたニューラルネットワークの研究,開発,実験的解析を行う。 ニューラルネットワークは、グラディエントDescentとバックプロパゲーションのアルゴリズムを用いて学習する。 ニューラルネットワークの実装とトレーニングは、Raspberry pi 3上のロボット上でローカルに行われ、学習プロセスは完全に独立している。
  論文  参考訳（メタデータ） (2020-01-06T13:13:21Z)

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。