文献

J-GLOBAL ID：201702247336614090   整理番号：17A0794996

個人顔表情解析のための選択的移動機械【Powered by NICT】

Selective Transfer Machine for Personalized Facial Expression Analysis

著者 (3件)： Chu Wen-Sheng (Robotics Institute, Carnegie Mellon University, Pittsburgh, PA) ,  Torre Fernando De la (Robotics Institute, Carnegie Mellon University, Pittsburgh, PA) ,  Cohn Jeffrey F. (Robotics InstituteCarnegie Mellon University)
資料名： IEEE Transactions on Pattern Analysis and Machine Intelligence  (IEEE Transactions on Pattern Analysis and Machine Intelligence)
巻： 39  号： 3  ページ： 529-545  発行年： 2017年 
JST資料番号： B0519B  ISSN： 0162-8828  CODEN： ITPIDJ  資料種別： 逐次刊行物 (A)
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： 自動顔アクションユニット(AU)とビデオからの発現検出は長年の問題である。分類器は,分類器が訓練されたものから挙動と顔面形態(例えば,重対微妙なbrow,平滑対深くエッチングしたしわ)が著しく異なることがこれまで知られていない被験者に一般化しなければならないので問題は部分的に挑戦的な課題である。特徴と分類器の選択を改善することにより,達成されたいくつかの進展が,者間の個人差により引き起こされる課題が残っている。個人別分類器は,可能な解決策が,訓練データの不足となる。個人特有の分類器のための十分な訓練データは典型的には利用できない。被験者からの付加的な標識も使用しないで,一般的な分類器を個人化するかの問題を検討した。特有ミスマッチを減弱させることにより一般的な分類器をカスタム化するために,著者らは選択的移動機械(STM)として参照する,トランスダクティブ学習法を提案した。STMは,分類器を学習し,被験者に最も関連する訓練サンプルの重みづけを変え同時にこの効果を達成した。四ベンチマーク:CK+[44],GEMEP FERA[67],RU FACS[4]およびGFT[57]に及ぼす一般的分類器とクロスドメイン学習法の両方にSTMを比較した。STMは,全ての一般的な分類器よりも優れていた。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： ベンチマーク ,  *走査型トンネル顕微鏡 ,  学習 ,  不整合 ,  録画装置 ,  重みづけ ,  カスタム化 ,  検出
準シソーラス用語： 訓練データ ,  個人差 ,  被験者 ,  表情分析 , 【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 (2件)： 個人 ,  表情解析