Fugu-MT 論文翻訳(概要): EmotiEffNet Facial Features in Uni-task Emotion Recognition in Video at ABAW-5 competition

論文の概要: EmotiEffNet Facial Features in Uni-task Emotion Recognition in Video at ABAW-5 competition

arxiv url: http://arxiv.org/abs/2303.09162v1
Date: Thu, 16 Mar 2023 08:57:33 GMT
ステータス: 処理完了
システム内更新日: 2023-03-17 16:17:28.764563
Title: EmotiEffNet Facial Features in Uni-task Emotion Recognition in Video at ABAW-5 competition
Title（参考訳）: abaw-5コンペティションビデオにおける一タスク感情認識における顔特徴
Authors: Andrey V. Savchenko
Abstract要約: 第5回ABAW(Affective Behavior Analysis in-the-Wild)コンペティションの結果を報告する。 The use of the pre-trained convolutional network from the EmotiEffNet family for frame-level feature extract。
参考スコア（独自算出の注目度）: 7.056222499095849
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this article, the results of our team for the fifth Affective Behavior Analysis in-the-wild (ABAW) competition are presented. The usage of the pre-trained convolutional networks from the EmotiEffNet family for frame-level feature extraction is studied. In particular, we propose an ensemble of a multi-layered perceptron and the LightAutoML-based classifier. The post-processing by smoothing the results for sequential frames is implemented. Experimental results for the large-scale Aff-Wild2 database demonstrate that our model achieves a much greater macro-averaged F1-score for facial expression recognition and action unit detection and concordance correlation coefficients for valence/arousal estimation when compared to baseline.
Abstract（参考訳）: 本稿では,第5回ABAW(Affective Behavior Analysis in-the-Wild)コンペの結果を紹介する。フレームレベル特徴抽出のためのemotieffnetファミリーからの事前学習された畳み込みネットワークの利用について検討した。特に,多層パーセプトロンとLightAutoMLに基づく分類器のアンサンブルを提案する。シーケンシャルフレームの結果を平滑化して後処理を行う。大規模Aff-Wild2データベースの実験結果から,ベースラインと比較すると,表情認識とアクション単位検出のためのマクロ平均F1スコアが得られ,一致相関係数が得られた。

関連論文リスト

Facial Affect Recognition based on Transformer Encoder and Audiovisual Fusion for the ABAW5 Challenge [1.1699566743796068]
本稿では,Valence-Arousal Estimation (VA) Estimation, Expression (Expr) Classification, Action Unit (AU) Detection and Emotional Reaction Intensity (ERI) Estimationの4つのサブチャンジに対する解を提案する。第5回ABAWコンペティションは、さまざまなモダリティとデータセットを使用した顔認識に焦点を当てている。
論文参考訳（メタデータ） (2023-03-16T08:47:36Z)
Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文参考訳（メタデータ） (2022-10-11T08:24:50Z)
Domain Adaptation with Adversarial Training on Penultimate Activations [82.9977759320565]
教師なし領域適応(Unsupervised Domain Adaptation, UDA)の重要な目的は、ラベルなし対象データに対するモデル予測の信頼性を高めることである。我々は,この戦略が,入力画像や中間特徴に対する敵対的訓練よりも予測信頼性を高める目的と,より効率的で相関性が高いことを示す。
論文参考訳（メタデータ） (2022-08-26T19:50:46Z)
HSE-NN Team at the 4th ABAW Competition: Multi-task Emotion Recognition and Learning from Synthetic Images [7.056222499095849]
第4回ABAW(Affective Behavior Analysis in the-wild)コンペティションにおけるHSE-NNチームの結果を報告する。表情の同時認識のために,新しいマルチタスク効率ネットモデルを訓練する。その結果、MT-EmotiEffNetは単純なフィードフォワードニューラルネットワークに入力される視覚的特徴を抽出する。
論文参考訳（メタデータ） (2022-07-19T18:43:14Z)
Frame-level Prediction of Facial Expressions, Valence, Arousal and Action Units for Mobile Devices [7.056222499095849]
本稿では,AffectNetで事前学習した1つのEfficientNetモデルを用いて,顔の特徴を抽出し,フレームレベルの感情認識アルゴリズムを提案する。当社のアプローチは,モバイルデバイス上でのビデオ解析にも適用できる。
論文参考訳（メタデータ） (2022-03-25T03:53:27Z)
Multi-modal Multi-label Facial Action Unit Detection with Transformer [7.30287060715476]
本稿では,第3回ABAW(Affective Behavior Analysis)2022コンペティションについて述べる。映像中の顔行動単位(FAU)を検出するためのトランスフォーマーモデルを提案した。
論文参考訳（メタデータ） (2022-03-24T18:59:31Z)
Consistency Regularization for Deep Face Anti-Spoofing [69.70647782777051]
顔認証システムでは、顔認証(FAS)が重要な役割を担っている。このエキサイティングな観察によって、異なる視点の特徴整合性を促進することが、FASモデルを促進するための有望な方法かもしれないと推測する。 FASにおけるEPCR(Embeddding-level and Prediction-level Consistency Regularization)とEPCR(Embeddding-level Consistency Regularization)を併用した。
論文参考訳（メタデータ） (2021-11-24T08:03:48Z)
Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
論文参考訳（メタデータ） (2021-08-03T19:24:25Z)
No Fear of Heterogeneity: Classifier Calibration for Federated Learning with Non-IID Data [78.69828864672978]
実世界のフェデレーションシステムにおける分類モデルのトレーニングにおける中心的な課題は、非IIDデータによる学習である。このアルゴリズムは, 近似されたssian混合モデルからサンプリングした仮想表現を用いて分類器を調整する。実験の結果,CIFAR-10,CIFAR-100,CINIC-10など,一般的なフェデレーション学習ベンチマークにおけるCCVRの現状が示された。
論文参考訳（メタデータ） (2021-06-09T12:02:29Z)
Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
論文参考訳（メタデータ） (2021-03-22T20:36:34Z)
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)

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。