論文の概要: An experimental study in Real-time Facial Emotion Recognition on new 3RL
dataset
- arxiv url: http://arxiv.org/abs/2304.03064v1
- Date: Thu, 6 Apr 2023 13:29:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-07 14:09:26.570002
- Title: An experimental study in Real-time Facial Emotion Recognition on new 3RL
dataset
- Title(参考訳): 新しい3rlデータセットにおけるリアルタイム顔感情認識の実験的検討
- Authors: Rahmeh Abou Zafra, Lana Ahmad Abdullah, Rouaa Alaraj, Rasha Albezreh,
Tarek Barhoum, Khloud Al Jallad
- Abstract要約: 3RLデータセットは、約24Kイメージを含み、一般公開される予定である。
その結果、3RLデータセットの一般化が顕著に改善された。
CNNを用いた3RLデータセットでは、最大91.4%の精度が示されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although real-time facial emotion recognition is a hot topic research domain
in the field of human-computer interaction, state-of the-art available datasets
still suffer from various problems, such as some unrelated photos such as
document photos, unbalanced numbers of photos in each class, and misleading
images that can negatively affect correct classification. The 3RL dataset was
created, which contains approximately 24K images and will be publicly
available, to overcome previously available dataset problems. The 3RL dataset
is labelled with five basic emotions: happiness, fear, sadness, disgust, and
anger. Moreover, we compared the 3RL dataset with other famous state-of-the-art
datasets (FER dataset, CK+ dataset), and we applied the most commonly used
algorithms in previous works, SVM and CNN. The results show a noticeable
improvement in generalization on the 3RL dataset. Experiments have shown an
accuracy of up to 91.4% on 3RL dataset using CNN where results on FER2013, CK+
are, respectively (approximately from 60% to 85%).
- Abstract(参考訳): リアルタイムの顔の感情認識は、人間とコンピュータの相互作用の分野におけるホットな研究領域であるが、最先端の最先端のデータセットは、文書写真、各クラスの写真のバランスの取れていない数、正しい分類に悪影響を及ぼす可能性のある誤解を招く画像など、様々な問題に悩まされている。
3RLデータセットは、約24Kイメージを含み、これまで利用可能なデータセット問題を克服するために、一般公開される予定である。
3RLデータセットには、幸福、恐怖、悲しみ、嫌悪、怒りという5つの基本的な感情がラベル付けされている。
さらに,3RLデータセットを他の最先端データセット(FERデータセット,CK+データセット)と比較し,従来の研究で最もよく使われているアルゴリズムであるSVMとCNNを適用した。
その結果、3rlデータセットの一般化が顕著に向上した。
実験では、CNNを用いて3RLデータセットで最大91.4%の精度が示され、それぞれFER2013、CK+(約60%から85%)の結果が得られた。
関連論文リスト
- Raising the Bar of AI-generated Image Detection with CLIP [50.345365081177555]
本研究の目的は、AI生成画像の普遍的検出のための事前学習された視覚言語モデル(VLM)の可能性を探ることである。
我々は,CLIP機能に基づく軽量な検出戦略を開発し,その性能を様々な難易度シナリオで検証する。
論文 参考訳(メタデータ) (2023-11-30T21:11:20Z) - Blind Dates: Examining the Expression of Temporality in Historical
Photographs [57.07335632641355]
マルチモーダル言語とビジョンモデルであるCLIPのオープンソース実装であるOpenCLIPを用いて、画像の日付を調査する。
我々は1950年から1999年までの39,866枚のグレースケールの歴史的プレス写真を含むtextitDe Boer Scene Detectionデータセットを使用している。
解析の結果、バス、車、猫、犬、そして人々が写っている画像はより正確に年代付けされており、時間的マーカーの存在が示唆されている。
論文 参考訳(メタデータ) (2023-10-10T13:51:24Z) - The Change You Want to See (Now in 3D) [65.61789642291636]
本稿の目的は、同じ3Dシーンの2つの「野生」画像の間で何が変わったかを検出することである。
我々は,全合成データに基づいて学習し,クラスに依存しない変化検出モデルに貢献する。
我々は,人間に注釈を付けた実世界のイメージペアによる評価データセットを新たにリリースした。
論文 参考訳(メタデータ) (2023-08-21T01:59:45Z) - One-Shot Learning for Periocular Recognition: Exploring the Effect of
Domain Adaptation and Data Bias on Deep Representations [59.17685450892182]
広範に使用されているCNNモデルにおける深部表現の挙動をワンショット近視認識のための極端データ不足下で検討する。
我々は、バイオメトリックデータセットで訓練されたネットワークを数百万の画像で活用し、最先端の結果を改善した。
SIFTのような従来のアルゴリズムは、限られたデータでCNNより優れている。
論文 参考訳(メタデータ) (2023-07-11T09:10:16Z) - Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。
顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。
Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
論文 参考訳(メタデータ) (2022-07-22T17:55:39Z) - CASS: Cross Architectural Self-Supervision for Medical Image Analysis [0.0]
Cross Architectural Self-Supervisionは、トランスフォーマーとCNNを同時に活用する、新しい自己教師型学習アプローチである。
既存の最先端の自己教師型学習手法と比較して,CASSのトレーニング済みCNNを実証的に示し,トランスフォーマーは100%ラベル付きデータで平均8.5%を得た。
論文 参考訳(メタデータ) (2022-06-08T21:25:15Z) - Assessing Demographic Bias Transfer from Dataset to Model: A Case Study
in Facial Expression Recognition [1.5340540198612824]
2つのメトリクスはデータセットの表現バイアスとステレオタイプバイアスに焦点をあて、もう1つはトレーニングされたモデルの残差バイアスに焦点を当てている。
本稿では、一般的なAffectnetデータセットに基づくFER問題に適用することで、メトリクスの有用性を示す。
論文 参考訳(メタデータ) (2022-05-20T09:40:42Z) - Adjusting for Bias with Procedural Data [0.0]
3Dソフトウェアは、実際の画像とほとんど区別がつかないような、非常にリアルな画像を生成することができる。
実際のデータセットは3Dレンダリングデータで拡張できるのか?
画像データセットのバイアス調整のための3Dレンダリングデータ、手続きデータの使用を実演する。
論文 参考訳(メタデータ) (2022-04-03T16:35:54Z) - Deep learning-based COVID-19 pneumonia classification using chest CT
images: model generalizability [54.86482395312936]
深層学習(DL)分類モデルは、異なる国の3DCTデータセット上で、COVID-19陽性患者を特定するために訓練された。
我々は、データセットと72%の列車、8%の検証、20%のテストデータを組み合わせたDLベースの9つの同一分類モデルを訓練した。
複数のデータセットでトレーニングされ、トレーニングに使用されるデータセットの1つからテストセットで評価されたモデルは、よりよいパフォーマンスを示した。
論文 参考訳(メタデータ) (2021-02-18T21:14:52Z) - Facial Emotions Recognition using Convolutional Neural Net [0.6091702876917281]
本稿では,畳み込みニューラルネットワーク(CNN)を用いた顔認識システムを提案する。
深層学習モデルはデータから学習するため,提案システムでは各画像を様々な事前処理ステップで処理し,予測精度を向上する。
組み合わせたデータセットを用いて,最大78.1パーセントの精度を達成した。
論文 参考訳(メタデータ) (2020-01-06T09:43:06Z)
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。