論文の概要: Deep Adaptation of Adult-Child Facial Expressions by Fusing Landmark Features
- arxiv url: http://arxiv.org/abs/2209.08614v2
- Date: Tue, 12 Mar 2024 20:31:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-16 03:23:03.695318
- Title: Deep Adaptation of Adult-Child Facial Expressions by Fusing Landmark Features
- Title（参考訳）: ランドマーク特徴の融合による成人顔面表情の深層適応
- Authors: Megan A. Witherow, Manar D. Samad, Norou Diawara, Haim Y. Bar, Khan M. Iftekharuddin,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.6219950137166257
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Imaging of facial affects may be used to measure psychophysiological attributes of children through their adulthood for applications in education, healthcare, and entertainment, among others. Deep convolutional neural networks show promising results in classifying facial expressions of adults. However, classifier models trained with adult benchmark data are unsuitable for learning child expressions due to discrepancies in psychophysical development. Similarly, models trained with child data perform poorly in adult expression classification. We propose domain adaptation to concurrently align distributions of adult and child expressions in a shared latent space for robust classification of either domain. Furthermore, age variations in facial images are studied in age-invariant face recognition yet remain unleveraged in adult-child expression classification. We take inspiration from multiple fields and propose deep adaptive FACial Expressions fusing BEtaMix SElected Landmark Features (FACE-BE-SELF) for adult-child expression classification. For the first time in the literature, a mixture of Beta distributions is used to decompose and select facial features based on correlations with expression, domain, and identity factors. We evaluate FACE-BE-SELF using 5-fold cross validation for two pairs of adult-child data sets. Our proposed FACE-BE-SELF approach outperforms transfer learning and other baseline domain adaptation methods in aligning latent representations of adult and child expressions.
- Abstract（参考訳）: 顔の感情のイメージングは、教育、医療、エンターテイメントなどに応用するために、成人を通じて子供の心理生理学的特性を測定するために用いられる。
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。
しかし、成人のベンチマークデータを用いて訓練された分類器モデルは、精神物理学的発達の相違による児童表現の学習には適さない。
同様に、子供データで訓練されたモデルは、成人の表現分類において不十分に機能する。
両領域のロバストな分類のための共有潜在空間において,大人と子どもの表現の分布を同時に整列させるドメイン適応を提案する。
さらに、年齢変化の年齢変化は、年齢不変の顔認識において研究されるが、成人の表情分類では未熟である。
我々は,複数の分野からインスピレーションを得て,成人の表情分類のためのBEtaMix Selected Landmark Features (FACE-BE-SELF) を用いた深層適応FACial Expressionを提案する。
文学においてはじめて、ベータ分布の混合は、表現、ドメイン、アイデンティティー要素との相関に基づいて、顔の特徴を分解し、選択するために使用される。
FACE-BE-SELFを2組の成人児データセットに対して5倍のクロス検証を用いて評価した。
提案するFACE-BE-SELFアプローチは, 成人および小児の表現の潜在表現の調整において, 伝達学習やその他のベースライン領域適応法よりも優れる。
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) - Child Face Recognition at Scale: Synthetic Data Generation and
Performance Benchmark [3.4110993541168853]
HDA-SynChildFacesは1,652人の被験者と188,832人の画像で構成され、各被験者は様々な年齢で存在し、多くの異なる物体内変異を持つ。
生成したデータベース上での様々な顔認識システムの性能評価を行い、年齢の異なる大人と子供の結果と比較した。
論文 参考訳（メタデータ） (2023-04-23T15:29:26Z) - Multi-Domain Norm-referenced Encoding Enables Data Efficient Transfer
Learning of Facial Expression Recognition [62.997667081978825]
本稿では,表情認識における伝達学習のための生物学的メカニズムを提案する。
提案アーキテクチャでは,人間の脳が,頭部形状の異なる表情を自然に認識する方法について解説する。
本モデルでは, FERGデータセットの分類精度92.15%を極端に高いデータ効率で達成する。
論文 参考訳（メタデータ） (2023-04-05T09:06:30Z) - 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) - Domain Generalisation for Apparent Emotional Facial Expression
Recognition across Age-Groups [55.56174840049614]
本研究では,異なる年齢群を用いた表情認識モデルの訓練効果について検討した。
その結果,未確認年齢群では,訓練年齢群の増加により表情認識能力が向上する傾向がみられた。
論文 参考訳（メタデータ） (2021-10-18T10:35:40Z) - Multi-modal Affect Analysis using standardized data within subjects in
the Wild [8.05417723395965]
本稿では,表情(EXP)に着目した感情認識手法を提案する。
提案手法は,評価精度とロバスト性を効果的に向上する。
論文 参考訳（メタデータ） (2021-07-07T04:18:28Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - Adversarial Semantic Data Augmentation for Human Pose Estimation [96.75411357541438]
本研究では,セマンティックデータ拡張法 (SDA) を提案する。
また,適応的セマンティックデータ拡張 (ASDA) を提案する。
最先端の結果は、挑戦的なベンチマークで得られます。
論文 参考訳（メタデータ） (2020-08-03T07:56:04Z) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-06T21:53:44Z)
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。