論文の概要: Compound Expression Recognition via Multi Model Ensemble

• arxiv url: http://arxiv.org/abs/2403.12572v1
• Date: Tue, 19 Mar 2024 09:30:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 14:43:03.113260
• Title: Compound Expression Recognition via Multi Model Ensemble
• Title（参考訳）: マルチモデルアンサンブルによる複合表現認識
• Authors: Jun Yu, Jichao Zhu, Wangyuan Zhu,
• Abstract要約: 複合表現認識は対人相互作用において重要な役割を果たす。 本稿では,複合表現認識のためのアンサンブル学習手法に基づく解を提案する。 提案手法はRAF-DBの精度が高く,C-EXPR-DBの一部部分でゼロショットで表現を認識できる。
• 参考スコア（独自算出の注目度）: 8.529105068848828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compound Expression Recognition (CER) plays a crucial role in interpersonal interactions. Due to the existence of Compound Expressions , human emotional expressions are complex, requiring consideration of both local and global facial expressions to make judgments. In this paper, to address this issue, we propose a solution based on ensemble learning methods for Compound Expression Recognition. Specifically, our task is classification, where we train three expression classification models based on convolutional networks, Vision Transformers, and multi-scale local attention networks. Then, through model ensemble using late fusion, we merge the outputs of multiple models to predict the final result. Our method achieves high accuracy on RAF-DB and is able to recognize expressions through zero-shot on certain portions of C-EXPR-DB.
• Abstract（参考訳）: 複合表現認識(CER)は対人相互作用において重要な役割を担っている。 複合表現が存在するため、人間の感情表現は複雑であり、判断するためには局所的およびグローバルな表情の両方を考慮する必要がある。 本稿では,この問題を解決するために,複合表現認識のためのアンサンブル学習手法を提案する。 具体的には、畳み込みネットワーク、視覚変換器、マルチスケールローカルアテンションネットワークに基づく3つの表現分類モデルを訓練する。 そして、後期融合を用いたモデルアンサンブルにより、複数のモデルの出力をマージして最終的な結果を予測する。 提案手法はRAF-DBの精度が高く,C-EXPR-DBの一部部分でゼロショットで表現を認識できる。

関連論文リスト

• Compound Expression Recognition via Multi Model Ensemble for the ABAW7 Challenge [6.26485278174662]
  複合表現認識(CER)は、効果的な対人相互作用に不可欠である。 本稿では,この複雑さに対処するアンサンブル学習に基づくソリューションを提案する。 提案手法はRAF-DBデータセット上で高い精度を示し,ゼロショット学習によりC-EXPR-DBの一部の表現を認識できる。
  論文  参考訳（メタデータ） (2024-07-17T01:59:34Z)
• Collaborative Position Reasoning Network for Referring Image Segmentation [30.414910144177757]
  本稿では,エンティティローカライゼーションを明示的にモデル化する新しい手法を提案する。 私たちの知る限りでは、位置推論モデリングに重点を置く最初の作品です。
  論文  参考訳（メタデータ） (2024-01-22T09:11:12Z)
• Dual Branch Network Towards Accurate Printed Mathematical Expression Recognition [27.428642277844972]
  局所的およびグローバルな文脈情報から正確な印刷数式認識を行うために,Dual Branch Transformer-based Network (DBN)を提案する。 実験の結果,DBNは数学的表現を正確に認識でき,最先端の性能を達成できた。
  論文  参考訳（メタデータ） (2023-12-14T15:30:34Z)
• Language-free Compositional Action Generation via Decoupling Refinement [67.50452446686725]
  本稿では,言語補助に頼らずに作曲行動を生成する新しい枠組みを提案する。 このアプローチは,アクション結合,条件付きアクション生成,デカップリングリファインメントという3つの主要コンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-07-07T12:00:38Z)
• Referring Expression Comprehension Using Language Adaptive Inference [15.09309604460633]
  本稿では,動的推論のための表現モデルとRECモデルの適応性について検討する。 本稿では,参照表現に条件付きRECモデルから言語適応を抽出できるLanguage Adaptive Subnets (LADS) というフレームワークを提案する。 RefCOCO, RefCO+, RefCOCOg, Referit の実験により, 提案手法はより高速な推論速度と最先端手法に対する高精度な精度を実現することを示した。
  論文  参考訳（メタデータ） (2023-06-06T07:58:59Z)
• Part-guided Relational Transformers for Fine-grained Visual Recognition [59.20531172172135]
  識別的特徴を学習し,特徴変換モジュールとの相関関係を探索するフレームワークを提案する。 提案手法は,3-of-the-levelオブジェクト認識において,部分ブランチの追加に頼らず,最先端の性能に達する。
  論文  参考訳（メタデータ） (2022-12-28T03:45:56Z)
• Learn-to-Decompose: Cascaded Decomposition Network for Cross-Domain Few-Shot Facial Expression Recognition [60.51225419301642]
  本稿では,複合表情認識のための新しいカスケード分解ネットワーク(CDNet)を提案する。 基本的な表現データセット上で同様のタスクをトレーニングすることで、CDNetは、目に見えない複合表現を容易に識別できる学習と分解の能力を学ぶ。
  論文  参考訳（メタデータ） (2022-07-16T16:10:28Z)
• Feature Decomposition and Reconstruction Learning for Effective Facial Expression Recognition [80.17419621762866]
  本稿では,表情認識のための特徴分解再構成学習(FDRL)手法を提案する。 FDRLは、FDN(Feature Decomposition Network)とFRN(Feature Restruction Network)の2つの重要なネットワークで構成されている。
  論文  参考訳（メタデータ） (2021-04-12T02:22:45Z)
• Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
  キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。 最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。 本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
  論文  参考訳（メタデータ） (2020-10-24T08:11:23Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。