文献

J-GLOBAL ID：201702237701080931   整理番号：17A0967476

画像の感情理解のための高レベル概念【Powered by NICT】

High-Level Concepts for Affective Understanding of Images

著者 (4件)： Ali Afsheen Rafaqat ,  Shahid Usman ,  Ali Mohsen ,  Ho Jeffrey
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WACV  ページ： 679-687  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,画像コンテンツの間の感情ギャップ,高レベル概念(HLC)を用いて誘発する視聴者の情動反応を橋渡しすることを目的とした。低水準特徴のみに依存またはブラックボックスとしての畳込みニューラルネットワーク(CNN)を用いた以前の研究とは対照的に,これらのHLCとの関係/とEkmanの感情クラスの(小)集合を調べるために明瞭な方法でpretrained CNNにより生成されたHLC用いた。概念実証として,ここではまず,これらの関係をモデル化するための線形混合モデルを提案し,得られた計算フレームワークを構築し,それぞれの感情クラスとあるHLC(対象と場所)の間の関係を決定することを可能にする。この線形モデルは,画像から抽出された低レベル画像特徴とHLCの両方を用いて視聴者の情動反応を予測することを目的としたサポートベクトル回帰(SVR)を用いた非線形モデルに拡張した。これらクラス固有回帰は,画像からの視聴者の情動反応を予測するための柔軟で効果的な予測を提供することを回帰アンサンブルに集合している。実験結果は,著者らの結果は,既存の方法に匹敵し,HLCとした多くの既存研究で表面上欠けている感情クラスの明確な観点からであることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像特性 ,  モデリング ,  *画像 ,  ブラックボックス ,  畳込み ,  視聴者 ,  ニューラルネットワーク
準シソーラス用語： 非線形モデル ,  サポートベクトル回帰 ,  線形モデル ,  一般化線形混合モデル ,  映像コンテンツ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 感情 ,  理解 ,  高レベル ,  概念