Fugu-MT 論文翻訳(概要): Facial Emotion Recognition Under Mask Coverage Using a Data Augmentation Technique

論文の概要: Facial Emotion Recognition Under Mask Coverage Using a Data Augmentation Technique

arxiv url: http://arxiv.org/abs/2312.01335v1
Date: Sun, 3 Dec 2023 09:50:46 GMT
ステータス: 処理完了
システム内更新日: 2023-12-05 17:42:54.436542
Title: Facial Emotion Recognition Under Mask Coverage Using a Data Augmentation Technique
Title（参考訳）: データ拡張手法を用いたマスク被覆下の顔表情認識
Authors: Aref Farhadipour, Pouya Taghipour
Abstract要約: 異なる顔マスクを着用している個人からの感情を認識できる顔感情認識システムを提案する。移動学習を用いて学習した4つの畳み込みニューラルネットワークの有効性を評価した。 Resnet50は優れた性能を示しており、人依存モードは73.68%、人依存モードは59.57%である。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Identifying human emotions using AI-based computer vision systems, when individuals wear face masks, presents a new challenge in the current Covid-19 pandemic. In this study, we propose a facial emotion recognition system capable of recognizing emotions from individuals wearing different face masks. A novel data augmentation technique was utilized to improve the performance of our model using four mask types for each face image. We evaluated the effectiveness of four convolutional neural networks, Alexnet, Squeezenet, Resnet50 and VGGFace2 that were trained using transfer learning. The experimental findings revealed that our model works effectively in multi-mask mode compared to single-mask mode. The VGGFace2 network achieved the highest accuracy rate, with 97.82% for the person-dependent mode and 74.21% for the person-independent mode using the JAFFE dataset. However, we evaluated our proposed model using the UIBVFED dataset. The Resnet50 has demonstrated superior performance, with accuracies of 73.68% for the person-dependent mode and 59.57% for the person-independent mode. Moreover, we employed metrics such as precision, sensitivity, specificity, AUC, F1 score, and confusion matrix to measure our system's efficiency in detail. Additionally, the LIME algorithm was used to visualize CNN's decision-making strategy.
Abstract（参考訳）: AIベースのコンピュータービジョンシステムを使って人間の感情を識別する。個人がフェイスマスクを着用すると、現在のCovid-19パンデミックにおいて新たな課題が提示される。本研究では,異なる顔マスクを着用している個人からの感情を認識できる表情認識システムを提案する。顔画像毎に4種類のマスクを用いて,新しいデータ拡張手法を用いてモデルの性能を向上した。移動学習を用いて学習した4つの畳み込みニューラルネットワーク,Alexnet,Squeezenet,Resnet50,VGGFace2の有効性を評価した。実験の結果,本モデルはシングルマスクモードと比較してマルチマスクモードで効果的に動作することがわかった。 VGGFace2ネットワークは、人依存モードが97.82%、人依存モードが74.21%という高い精度を達成した。しかし,提案モデルはuibvfedデータセットを用いて評価した。 Resnet50は優れた性能を示しており、人依存モードは73.68%、人依存モードは59.57%である。さらに,精度,感度,特異性,auc,f1スコア,混乱行列などの指標を用いて,システムの効率を詳細に測定した。さらに、LIMEアルゴリズムはCNNの意思決定戦略を視覚化するために使われた。

関連論文リスト

Masked Face Dataset Generation and Masked Face Recognition [2.4377103193902703]
パンデミック後の時代には、フェイスマスクを着用することは、通常の顔認識に大きな課題をもたらしてきた。モデルを現実世界の状況に適応させるために、より困難なマスク付き顔データセットを作成しました。 50のアイデンティティMFR上での最良のテスト精度は95%に達した。
論文参考訳（メタデータ） (2023-11-13T17:09:57Z)
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)
Ensemble Learning using Transformers and Convolutional Networks for Masked Face Recognition [1.0742675209112622]
マスク着用は、新型コロナウイルスの感染拡大を抑えるため、私たちが従わなければならなかった調整の1つです。現在の顔認識システムは、制約のない一般的な顔認識ケースを扱う場合、極めて高精度である。本研究では,2つの畳み込みニューラルネットワーク(CNN)モデルと2つのトランスフォーマーモデルからなるマスク型顔認識システムを提案する。
論文参考訳（メタデータ） (2022-10-10T16:25:13Z)
A Comparative Analysis of Machine Learning Approaches for Automated Face Mask Detection During COVID-19 [0.0]
WHOは、新型コロナウイルス感染を防ぐための最も効果的な対策の一つとして、マスクを着用することを推奨している。マスク検出のための多くのディープラーニングモデルを探索し、2つのベンチマークデータセットで評価する。すべてのモデルのパフォーマンスは非常に良好ですが、転送学習モデルは最高のパフォーマンスを実現しています。
論文参考訳（メタデータ） (2021-12-15T06:30:50Z)
Adversarial Mask: Real-World Adversarial Attack Against Face Recognition Models [66.07662074148142]
本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
論文参考訳（メタデータ） (2021-11-21T08:13:21Z)
Facial Emotion Recognition: State of the Art Performance on FER2013 [0.0]
FER2013データセットで最高の単一ネットワーク分類精度を達成しました。我々のモデルは、追加のトレーニングデータを用いることなく、FER2013上で73.28 %の最先端のシングルネットワーク精度を実現する。
論文参考訳（メタデータ） (2021-05-08T04:20:53Z)
Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
論文参考訳（メタデータ） (2021-04-20T10:12:04Z)
I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition [78.07239208222599]
今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
論文参考訳（メタデータ） (2021-04-16T20:03:30Z)
Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
論文参考訳（メタデータ） (2021-04-13T12:48:38Z)
A Computer Vision System to Help Prevent the Transmission of COVID-19 [79.62140902232628]
新型コロナウイルスのパンデミックは世界中の日常生活のあらゆる領域に影響を与える。保健機関は、ソーシャルディスタンス、フェイスマスクを着用し、触れる顔を避けることをアドバイスします。我々は、新型コロナウイルスの感染を防ぐためのディープラーニングベースのコンピュータビジョンシステムを開発した。
論文参考訳（メタデータ） (2021-03-16T00:00:04Z)
The FaceChannel: A Fast & Furious Deep Neural Network for Facial Expression Recognition [71.24825724518847]
顔の表情の自動認識(FER)の最先端モデルは、非常に深いニューラルネットワークに基づいており、訓練には効果的だがかなり高価である。私たちは、一般的なディープニューラルネットワークよりもはるかに少ないパラメータを持つ軽量ニューラルネットワークであるFaceChannelを形式化します。我々は、私たちのモデルがFERの現在の最先端技術に匹敵するパフォーマンスを達成する方法を実証する。
論文参考訳（メタデータ） (2020-09-15T09:25:37Z)

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。