論文の概要: Neural Architecture Search Using Genetic Algorithm for Facial Expression Recognition

• arxiv url: http://arxiv.org/abs/2304.12194v1
• Date: Wed, 12 Apr 2023 16:36:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-30 07:38:27.458446
• Title: Neural Architecture Search Using Genetic Algorithm for Facial Expression Recognition
• Title（参考訳）: 表情認識のための遺伝的アルゴリズムを用いたニューラルアーキテクチャ探索
• Authors: Shuchao Deng, Yanan Sun, and Edgar Galvan
• Abstract要約: 本稿では,FERタスク上でCNNを自動生成する,巧妙な符号化復号機構を用いた遺伝的アルゴリズムを提案する。 提案アルゴリズムは、CK+およびFERGデータセット上で最もよく知られた結果と、JSFFEデータセット上での競合結果を達成する。
• 参考スコア（独自算出の注目度）: 2.7504274245107303
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial expression is one of the most powerful, natural, and universal signals for human beings to express emotional states and intentions. Thus, it is evident the importance of correct and innovative facial expression recognition (FER) approaches in Artificial Intelligence. The current common practice for FER is to correctly design convolutional neural networks' architectures (CNNs) using human expertise. However, finding a well-performing architecture is often a very tedious and error-prone process for deep learning researchers. Neural architecture search (NAS) is an area of growing interest as demonstrated by the large number of scientific works published in recent years thanks to the impressive results achieved in recent years. We propose a genetic algorithm approach that uses an ingenious encoding-decoding mechanism that allows to automatically evolve CNNs on FER tasks attaining high accuracy classification rates. The experimental results demonstrate that the proposed algorithm achieves the best-known results on the CK+ and FERG datasets as well as competitive results on the JAFFE dataset.
• Abstract（参考訳）: 表情は、人間の感情状態や意図を表現するための最も強力で自然で普遍的な信号の1つである。 したがって、人工知能において、正しく革新的な表情認識(FER)アプローチが重要であることは明らかである。 FERの現在の一般的なプラクティスは、人間の専門知識を使って畳み込みニューラルネットワークのアーキテクチャ(CNN)を正しく設計することである。 しかし、うまく機能するアーキテクチャを見つけることは、ディープラーニング研究者にとって非常に退屈でエラーやすいプロセスであることが多い。 ニューラルアーキテクチャサーチ(英: Neural Architecture Search、NAS)は、近年出版された多くの科学的研究によって、近年に達成された印象的な成果により、関心が高まりつつある分野である。 本稿では,高い精度で分類可能なferタスク上でcnnを自動進化させる巧妙な符号化復号機構を用いた遺伝的アルゴリズム手法を提案する。 実験の結果,提案アルゴリズムはCK+およびFERGデータセット上で最もよく知られた結果とJSFFEデータセット上での競合結果が得られることが示された。

関連論文リスト

• Cartesian Genetic Programming Approach for Designing Convolutional Neural Networks [0.0]
  人工ニューラルネットワークの設計において、革新的なアプローチの1つの重要な側面は、新しいニューラルネットワークアーキテクチャを提案することである。 本研究では,CNNを設計するために純粋遺伝的プログラミング手法を用いる。 予備実験の過程で,提案手法は有望な結果をもたらす。
  論文  参考訳（メタデータ） (2024-09-30T18:10:06Z)
• EM-DARTS: Hierarchical Differentiable Architecture Search for Eye Movement Recognition [54.99121380536659]
  眼球運動バイオメトリックスは、高い安全性の識別により注目されている。 深層学習(DL)モデルは近年,眼球運動認識に成功している。 DLアーキテクチャはまだ人間の事前知識によって決定されている。 眼球運動認識のためのDLアーキテクチャを自動設計する階層的微分可能なアーキテクチャ探索アルゴリズムEM-DARTSを提案する。
  論文  参考訳（メタデータ） (2024-09-22T13:11:08Z)
• A Hybrid Neural Coding Approach for Pattern Recognition with Spiking Neural Networks [53.31941519245432]
  脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。 これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。 本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
  論文  参考訳（メタデータ） (2023-05-26T02:52:12Z)
• Skeleton-based Human Action Recognition via Convolutional Neural Networks (CNN) [4.598337780022892]
  骨格に基づく行動認識における最先端の貢献のほとんどは、人体を表現し特徴を抽出するグラフニューラルネットワーク(GCN)アーキテクチャを取り入れている。 我々の研究は、CNNがGCNに匹敵する結果が得られることを実証し、適切なトレーニング手法、強化、拡張が適用できることを示した。
  論文  参考訳（メタデータ） (2023-01-31T01:26:17Z)
• Neural Architecture Search for Speech Emotion Recognition [72.1966266171951]
  本稿では,SERモデルの自動構成にニューラルアーキテクチャサーチ(NAS)技術を適用することを提案する。 NASはモデルパラメータサイズを維持しながらSER性能(54.89%から56.28%)を向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-03-31T10:16:10Z)
• Accelerating Neural Architecture Exploration Across Modalities Using Genetic Algorithms [5.620334754517149]
  多目的アーキテクチャ探索を加速するために, 遺伝的アルゴリズムと軽量に訓練された客観予測器を反復サイクルで組み合わせる方法を示す。 NASの研究はコンピュータビジョンのタスクを中心に行われており、最近になって自然言語処理の急速な発展など他のモダリティも深く研究されている。
  論文  参考訳（メタデータ） (2022-02-25T20:01:36Z)
• Edge-featured Graph Neural Architecture Search [131.4361207769865]
  最適GNNアーキテクチャを見つけるために,エッジ機能付きグラフニューラルアーキテクチャ探索を提案する。 具体的には、高次表現を学習するためにリッチなエンティティとエッジの更新操作を設計する。 EGNASは、現在最先端の人間設計および検索されたGNNよりも高い性能で、より優れたGNNを検索できることを示す。
  論文  参考訳（メタデータ） (2021-09-03T07:53:18Z)
• Neural Architecture Search based on Cartesian Genetic Programming Coding Method [6.519170476143571]
  文分類課題を解決するために,CGPに基づくNASの進化的アプローチであるCGPNASを提案する。 実験の結果,検索されたアーキテクチャは人間設計アーキテクチャの性能に匹敵することがわかった。
  論文  参考訳（メタデータ） (2021-03-12T09:51:03Z)
• Video-based Facial Expression Recognition using Graph Convolutional Networks [57.980827038988735]
  我々は、ビデオベースの表情認識のための共通のCNN-RNNモデルに、GCN(Graph Convolutional Network)層を導入する。 我々は、CK+、Oulu-CASIA、MMIの3つの広く使われているデータセットと、AFEW8.0の挑戦的なワイルドデータセットについて、本手法の評価を行った。
  論文  参考訳（メタデータ） (2020-10-26T07:31:51Z)
• A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
  我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。 アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
  論文  参考訳（メタデータ） (2020-05-14T09:02:33Z)
• Sampled Training and Node Inheritance for Fast Evolutionary Neural Architecture Search [22.483917379706725]
  進化的ニューラルアーキテクチャサーチ(ENAS)は、進化的アルゴリズムの魅力的なグローバル最適化能力のために注目を集めている。 本稿では,学習データの各ミニバッチに対して,両親がランダムにサンプルを採取し,訓練する,有向非循環グラフに基づく高速ENASのための新しいフレームワークを提案する。 提案アルゴリズムは,26の最先端のピアアルゴリズムと比較して,広く使用されているデータセット上で評価する。
  論文  参考訳（メタデータ） (2020-03-07T12:33:01Z)

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。