論文の概要: OCFER-Net: Recognizing Facial Expression in Online Learning System

• arxiv url: http://arxiv.org/abs/2512.06379v1
• Date: Sat, 06 Dec 2025 10:19:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.331925
• Title: OCFER-Net: Recognizing Facial Expression in Online Learning System
• Title（参考訳）: OCFER-Net:オンライン学習システムにおける表情認識
• Authors: Yi Huo, Lei Zhang,
• Abstract要約: このプロジェクトは一連のFER法を探求し、畳み込み行列の直交性を利用する研究はほとんどないことを示した。 FER-2013は、挑戦的なデータセットである。 その結果,1.087ではベースラインよりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 4.731771934553726
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, online learning is very popular, especially under the global epidemic of COVID-19. Besides knowledge distribution, emotion interaction is also very important. It can be obtained by employing Facial Expression Recognition (FER). Since the FER accuracy is substantial in assisting teachers to acquire the emotional situation, the project explores a series of FER methods and finds that few works engage in exploiting the orthogonality of convolutional matrix. Therefore, it enforces orthogonality on kernels by a regularizer, which extracts features with more diversity and expressiveness, and delivers OCFER-Net. Experiments are carried out on FER-2013, which is a challenging dataset. Results show superior performance over baselines by 1.087. The code of the research project is publicly available on https://github.com/YeeHoran/OCFERNet.
• Abstract（参考訳）: 近年、オンライン学習は非常に人気があり、特に世界的な新型コロナウイルス(COVID-19)が流行している。 知識分布の他に、感情の相互作用も重要である。 顔表情認識(FER)を用いて取得することができる。 FERの精度は教師に感情的状況の獲得を支援する上で重要であるため、プロジェクトは一連のFER手法を探求し、畳み込み行列の直交性を利用する研究はほとんどないことを示した。 そのため、より多様性と表現力のある特徴を抽出し、OCFER-Netを提供する正則化器によってカーネルの直交性を強制する。 FER-2013は、挑戦的なデータセットである。 その結果,1.087ではベースラインよりも優れた性能を示した。 研究プロジェクトのコードはhttps://github.com/YeeHoran/OCFERNetで公開されている。

関連論文リスト

• ExpressNet-MoE: A Hybrid Deep Neural Network for Emotion Recognition [0.0]
  ExpressNet-MoEは、CNNとMoEフレームワークを融合した、新しいハイブリッドディープラーニングモデルである。 我々のモデルは、AffectNet(v7)で74.77%、AffectNet(v8)で72.55%、RAF-DBで84.29%、FER-2013で64.66%の精度を達成した。
  論文  参考訳（メタデータ） (2025-10-15T12:42:49Z)
• SphOR: A Representation Learning Perspective on Open-set Recognition for Identifying Unknown Classes in Deep Learning Models [1.2172320168050468]
  我々は,特徴空間をフォン・ミセス・フィッシャー分布の混合としてモデル化する表現学習手法であるSphORを紹介する。 このアプローチは、トレーニング中に意味的に曖昧なサンプルを使用することを可能にし、未知のクラスからのサンプルの検出を改善する。
  論文  参考訳（メタデータ） (2025-03-11T05:06:11Z)
• Online Vertical Federated Learning for Cooperative Spectrum Sensing [8.081617656116139]
  オンライン垂直連合学習(OVFL)は、進行中のデータストリームと学習目標のシフトの課題に対処するために設計されている。 OVFLは、サブ線形後悔境界を達成し、それによって効率を低下させる。
  論文  参考訳（メタデータ） (2023-12-18T17:19:53Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Inducing Gaussian Process Networks [80.40892394020797]
  本稿では,特徴空間と誘導点を同時に学習するシンプルなフレームワークであるGaussian Process Network (IGN)を提案する。 特に誘導点は特徴空間で直接学習され、複雑な構造化領域のシームレスな表現を可能にする。 実世界のデータセットに対する実験結果から,IGNは最先端の手法よりも大幅に進歩していることを示す。
  論文  参考訳（メタデータ） (2022-04-21T05:27:09Z)
• DMCNet: Diversified Model Combination Network for Understanding Engagement from Video Screengrabs [0.4397520291340695]
  エンゲージメントは知的教育インタフェースの開発において重要な役割を果たしている。 非深さ学習モデルは、Histogram of Oriented Gradient(HOG)、SVM(Support Vector Machine)、SIFT(Scale Invariant Feature Transform)、SURF(Speeded Up Robust Features)といった一般的なアルゴリズムの組み合わせに基づいている。 ディープラーニングには、Densely Connected Convolutional Networks (DenseNet-121)、Residual Network (ResNet-18)、MobileNetV1がある。
  論文  参考訳（メタデータ） (2022-04-13T15:24:38Z)
• Self-Supervised Graph Neural Network for Multi-Source Domain Adaptation [51.21190751266442]
  ドメイン適応(DA)は、テストデータがトレーニングデータの同じ分布に完全に従わない場合に、シナリオに取り組む。 大規模未ラベルサンプルから学習することで、自己教師型学習がディープラーニングの新しいトレンドとなっている。 我々は,より効果的なタスク間情報交換と知識共有を実現するために,新しい textbfSelf-textbf Supervised textbfGraph Neural Network (SSG) を提案する。
  論文  参考訳（メタデータ） (2022-04-08T03:37:56Z)
• Exploring Inter-Channel Correlation for Diversity-preserved KnowledgeDistillation [91.56643684860062]
  ICKD (Inter-Channel correlation for Knowledge Distillation) を開発した。 ICKDは教師ネットワークにおける特徴空間の内在分布と十分な多様性特性をキャプチャする。 我々は,ノウルエッジ蒸留に基づく最初の手法であるResNet18は,ImageNet分類におけるTop-1の精度を72%以上向上させる。
  論文  参考訳（メタデータ） (2022-02-08T07:01:56Z)
• Multi-Branch Deep Radial Basis Function Networks for Facial Emotion Recognition [80.35852245488043]
  放射状基底関数(RBF)ユニットによって形成された複数の分岐で拡張されたCNNベースのアーキテクチャを提案する。 RBFユニットは、中間表現を用いて類似のインスタンスで共有される局所パターンをキャプチャする。 提案手法は,提案手法の競争力を高めるためのローカル情報の導入であることを示す。
  論文  参考訳（メタデータ） (2021-09-07T21:05:56Z)
• Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
  ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。 我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。 そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
  論文  参考訳（メタデータ） (2020-05-18T09:36:51Z)

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。