論文の概要: Occlusion Aware Student Emotion Recognition based on Facial Action Unit Detection

• arxiv url: http://arxiv.org/abs/2307.09465v1
• Date: Tue, 18 Jul 2023 17:47:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-19 13:23:31.322273
• Title: Occlusion Aware Student Emotion Recognition based on Facial Action Unit Detection
• Title（参考訳）: 顔行動単位検出に基づく咬合認知学生の感情認識
• Authors: Shrouk Wally, Ahmed Elsayed, Islam Alkabbany, Asem Ali, Aly Farag
• Abstract要約: 本研究は,教室における生徒の感情のモニタリングに焦点をあてる。 感情認識モデルの性能に及ぼす異なる顔部位の影響を実験により評価した。
• 参考スコア（独自算出の注目度）: 1.0305173936249623
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Given that approximately half of science, technology, engineering, and mathematics (STEM) undergraduate students in U.S. colleges and universities leave by the end of the first year [15], it is crucial to improve the quality of classroom environments. This study focuses on monitoring students' emotions in the classroom as an indicator of their engagement and proposes an approach to address this issue. The impact of different facial parts on the performance of an emotional recognition model is evaluated through experimentation. To test the proposed model under partial occlusion, an artificially occluded dataset is introduced. The novelty of this work lies in the proposal of an occlusion-aware architecture for facial action units (AUs) extraction, which employs attention mechanism and adaptive feature learning. The AUs can be used later to classify facial expressions in classroom settings. This research paper's findings provide valuable insights into handling occlusion in analyzing facial images for emotional engagement analysis. The proposed experiments demonstrate the significance of considering occlusion and enhancing the reliability of facial analysis models in classroom environments. These findings can also be extended to other settings where occlusions are prevalent.
• Abstract（参考訳）: 米国立大学・大学における理科・技術・工学・数学(stem)学生の約半数が初年度末までに退学していることを踏まえると,教室環境の質を向上させることが重要である。 本研究は,教室における生徒の感情のモニタリングに焦点をあて,この問題に対処するためのアプローチを提案する。 感情認識モデルの性能に及ぼす異なる顔部位の影響を実験により評価した。 部分閉塞下のモデルをテストするために,人工閉塞データセットを導入した。 この研究の斬新さは、注意機構と適応的特徴学習を用いた顔行動単位(AUs)抽出のためのオクルージョン対応アーキテクチャの提案にある。 AUは後で、教室の設定で表情を分類するために使用することができる。 本研究は,情緒的エンゲージメント分析のための顔画像解析における隠蔽処理に関する貴重な知見を提供する。 提案実験は, 教室環境における顔分析モデルの排除と信頼性を高めることの重要性を実証するものである。 これらの発見は、オクルージョンが一般的である他の設定にも拡張できる。

関連論文リスト

• Leaving Some Facial Features Behind [0.0]
  本研究では,Fer2013データセットの顔摂動を用いて,顔の特徴が感情分類にどのように影響するかを検討する。 データに基づいてトレーニングされたモデルは、幸せや驚きといった感情のベースラインと比較して、重要な顔の特徴を除去することで、最大85%の精度低下を経験します。
  論文  参考訳（メタデータ） (2024-10-29T02:28:53Z)
• Faces of the Mind: Unveiling Mental Health States Through Facial Expressions in 11,427 Adolescents [12.51443153354506]
  うつ病や不安などの気分障害は、しばしば表情を通して現れる。 11,427人の被験者の顔映像を分析した。
  論文  参考訳（メタデータ） (2024-05-30T14:02:40Z)
• Contrastive Learning of Person-independent Representations for Facial Action Unit Detection [70.60587475492065]
  自己教師型AU表現学習信号を2次元で定式化する。 ビデオクリップ内でAU表現を学習し、個人に依存しない表現を学習するためのクロスアイデンティティ再構築機構を考案する。 提案手法は,他のコントラスト学習手法よりも優れており,自己教師と教師付きAU検出手法間の性能ギャップを著しく短縮する。
  論文  参考訳（メタデータ） (2024-03-06T01:49:28Z)
• SAFER: Situation Aware Facial Emotion Recognition [0.0]
  表情から感情を認識する新しいシステムであるSAFERを提案する。 最先端のディープラーニング技術を使って、顔画像からさまざまな特徴を抽出する。 目に見えない多様な表情に適応でき、現実世界の用途に適している。
  論文  参考訳（メタデータ） (2023-06-14T20:42:26Z)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• I am Only Happy When There is Light: The Impact of Environmental Changes on Affective Facial Expressions Recognition [65.69256728493015]
  本研究では,異なる画像条件が人間の表情からの覚醒の認識に与える影響について検討した。 以上の結果から,人間の感情状態の解釈が肯定的,否定的に大きく異なることが示唆された。
  論文  参考訳（メタデータ） (2022-10-28T16:28:26Z)
• 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)
• Learning Emotional-Blinded Face Representations [77.7653702071127]
  感情反応に関連する表情に盲目な2つの顔表現を提案する。 この作業は、個人データ保護に関する新たな国際規則によって動機付けられている。
  論文  参考訳（メタデータ） (2020-09-18T09:24:10Z)
• Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
  本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。 注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。 これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
  論文  参考訳（メタデータ） (2020-05-12T20:42:55Z)
• SD-GAN: Structural and Denoising GAN reveals facial parts under occlusion [7.284661356980246]
  咬合状態にある顔の欠損部分を再構成する生成モデルを提案する。 GAN(Generative Adversarial Network)モデルとして,2モーダルな相互排他的学習アルゴリズムを考案した。 提案手法は,顔認識の性能向上においても,競合する手法よりもかなり優れている。
  論文  参考訳（メタデータ） (2020-02-19T21:12:49Z)

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。