論文の概要: Bees Local Phase Quantization Feature Selection for RGB-D Facial Expressions Recognition

• arxiv url: http://arxiv.org/abs/2308.01700v1
• Date: Thu, 3 Aug 2023 11:34:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-04 14:17:02.397432
• Title: Bees Local Phase Quantization Feature Selection for RGB-D Facial Expressions Recognition
• Title（参考訳）: RGB-D顔表情認識のための蜂の局所位相量子化特徴選択
• Authors: Seyed Muhammad Hossein Mousavi and Atiye Ilanloo
• Abstract要約: ミツバチアルゴリズム(BA)は特徴選択最適化タスクにおいて十分な性能を示す。 局所位相量子化(LPQ)は、深度画像の性能に優れた周波数領域の特徴である。
• 参考スコア（独自算出の注目度）: 1.8275108630751844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feature selection could be defined as an optimization problem and solved by bio-inspired algorithms. Bees Algorithm (BA) shows decent performance in feature selection optimization tasks. On the other hand, Local Phase Quantization (LPQ) is a frequency domain feature which has excellent performance on Depth images. Here, after extracting LPQ features out of RGB (colour) and Depth images from the Iranian Kinect Face Database (IKFDB), the Bees feature selection algorithm applies to select the desired number of features for final classification tasks. IKFDB is recorded with Kinect sensor V.2 and contains colour and depth images for facial and facial micro-expressions recognition purposes. Here five facial expressions of Anger, Joy, Surprise, Disgust and Fear are used for final validation. The proposed Bees LPQ method is compared with Particle Swarm Optimization (PSO) LPQ, PCA LPQ, Lasso LPQ, and just LPQ features for classification tasks with Support Vector Machines (SVM), K-Nearest Neighbourhood (KNN), Shallow Neural Network and Ensemble Subspace KNN. Returned results, show a decent performance of the proposed algorithm (99 % accuracy) in comparison with others.
• Abstract（参考訳）: 特徴選択は最適化問題として定義することができ、バイオインスパイアされたアルゴリズムによって解決される。 蜂アルゴリズム(BA)は特徴選択最適化タスクにおいて十分な性能を示す。 一方、局部位相量子化(LPQ)は周波数領域の特徴であり、深度画像の性能に優れる。 ここでは、イランのKinect Face Database(IKFDB)からRGB(カラー)とDepthイメージからLPQ機能を抽出した後、ビーズ機能選択アルゴリズムを適用し、最終分類タスクのために所望の機能を選択できる。 IKFDBはKinectセンサーV.2で記録され、顔と顔のマイクロ表現認識のために色と深度の画像を含んでいる。 ここでは怒り、喜び、驚き、嫌悪、恐怖の5つの表情が最終検証に使用される。 提案手法は,粒子群最適化 (pso) lpq, pca lpq, lasso lpq, just lpq機能, support vector machines (svm), k-nearest neighborhoodhood (knn), shallow neural network, and ensemble subspace knn を用いた分類タスクについて比較した。 得られた結果から,提案アルゴリズムの性能(99 % の精度)を他のアルゴリズムと比較した結果を得た。

関連論文リスト

• Compact NSGA-II for Multi-objective Feature Selection [0.24578723416255746]
  特徴選択を,分類精度を最大化し,選択した特徴数の最小化を目的とした多目的バイナリ最適化タスクとして定義する。 最適な特徴を選択するために,2進圧縮型NSGA-II (CNSGA-II) アルゴリズムを提案する。 我々の知る限りでは、これは特徴選択のために提案された最初のコンパクトな多目的アルゴリズムである。
  論文  参考訳（メタデータ） (2024-02-20T01:10:12Z)
• Adaptive Feature Selection for No-Reference Image Quality Assessment by Mitigating Semantic Noise Sensitivity [55.399230250413986]
  上流タスクから有害なセマンティックノイズを除去するためのQFM-IQM(Quality-Aware Feature Matching IQA Metric)を提案する。 提案手法は,8つの標準IQAデータセット上での最先端NR-IQA法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-12-11T06:50:27Z)
• Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
  我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。 実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
  論文  参考訳（メタデータ） (2023-11-05T12:03:58Z)
• Inverse Quantum Fourier Transform Inspired Algorithm for Unsupervised Image Segmentation [2.4271601178529063]
  IQFTの基本的な数学的構造を利用して,新しいIQFTインスパイアされたアルゴリズムを提案し,実装した。 提案手法は,画像中の画素の位相情報を利用して,画素の強度をクビット相対位相に符号化し,IQFTを適用して画素を異なるセグメントに自動かつ効率的に分類する。 提案手法は,PASCAL VOC 2012セグメンテーションベンチマークとxVIEW2チャレンジデータセットにおいて,平均的インターセクション・オーバー・ユニオン(mIOU)で最大50%性能を向上する。
  論文  参考訳（メタデータ） (2023-01-11T20:28:44Z)
• Scalable Neural Video Representations with Learnable Positional Features [73.51591757726493]
  我々は,学習可能な位置特徴(NVP)を用いて,映像を潜時符号として効果的に再生するニューラル表現の訓練方法を示す。 一般的なUVGベンチマークにおけるNVPの優位性を実証し,先行技術と比較して,NVPは2倍の速度(5分以内)で走行するだけでなく,符号化品質も34.07rightarrow$34.57(PSNR測定値で測定)に上回っている。
  論文  参考訳（メタデータ） (2022-10-13T08:15:08Z)
• ORQVIZ: Visualizing High-Dimensional Landscapes in Variational Quantum Algorithms [51.02972483763309]
  変分量子アルゴリズム(VQA)は、量子コンピュータの実用的な応用を見つけるための有望な候補である。 この作業には、オープンソースのPythonパッケージである$textitorqviz$のリリースが伴っている。
  論文  参考訳（メタデータ） (2021-11-08T18:17:59Z)
• RepMLP: Re-parameterizing Convolutions into Fully-connected Layers for Image Recognition [123.59890802196797]
  画像認識のための多層パーセプトロン型ニューラルネットワーク構築ブロックであるRepMLPを提案する。 トレーニング中にRepMLP内に畳み込み層を構築し,それをFCにマージして推論を行う。 従来のCNNにRepMLPを挿入することで、ImageNetでは1.8%の精度、顔認識では2.9%、FLOPの低いCityscapeでは2.3%のmIoUを改善します。
  論文  参考訳（メタデータ） (2021-05-05T06:17:40Z)
• Image Inpainting by End-to-End Cascaded Refinement with Mask Awareness [66.55719330810547]
  任意の欠落領域を塗りつぶすことは、様々なマスクされた領域で有効な特徴を学ぶことは非自明だから難しい。 符号化フェーズにおける欠落領域のマルチスケール特徴を学習する新しいマスク対応インペイントソリューションを提案する。 私たちのフレームワークは、3つの公開データセットに関する広範な実験を通じて定量的および定性的に検証されます。
  論文  参考訳（メタデータ） (2021-04-28T13:17:47Z)
• Unconstrained Face Recognition using ASURF and Cloud-Forest Classifier optimized with VLAD [0.0]
  本稿では, 画像の翻訳, 回転, スケール, 色, 照明, アフィン歪みに制約される多クラス顔画像分類のための計算効率の高いアルゴリズムを提案する。 提案手法は,顔認識システムにおける精度と時間を改善することを目的としている。
  論文  参考訳（メタデータ） (2021-04-02T01:26:26Z)
• Micro-Facial Expression Recognition in Video Based on Optimal Convolutional Neural Network (MFEOCNN) Algorithm [0.0]
  ビデオシーケンスにおけるマイクロファサール表現の認識が,提案手法の主な目的である。 提案手法の新規性は,修正ライオン最適化(MLO)アルゴリズムを用いて,抽出した特徴量から最適な特徴量を選択することである。 提案手法は最小平均絶対誤差(MAE)値で99.2%の認識精度を実現する。
  論文  参考訳（メタデータ） (2020-09-29T05:56:26Z)
• Robust Image Matching By Dynamic Feature Selection [17.3367710589782]
  画像間の密接な対応を推定することは、長年続く課題である。 近年の研究では、畳み込みニューラルネットワーク(CNN)を導入し、高レベルの特徴マップを抽出し、特徴マッチングを通じて対応を見つける。 異なるスケールの機能を動的に選択することで、ロバストな特徴を生成する。
  論文  参考訳（メタデータ） (2020-08-13T06:21:33Z)

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。