文献

J-GLOBAL ID：201702261119912297   整理番号：17A1260666

三重項損失関数による深い埋込みを用いた顔の感情分類【Powered by NICT】

Facial emotion classification using deep embedding with triplet loss function

著者 (2件)： Bircanoglu Cenk (Bilgisayar Muehendisligi Boeluemue, Bahc,es,ehir Ueniversitesi, Istanbul, Tuerkiye) ,  Arica Nafiz (Bilgisayar Muehendisligi Boeluemue, Bahc,es,ehir Ueniversitesi, Istanbul, Tuerkiye)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SIU  ページ： 1-4  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,三重項損失関数を用いた深打ち(深埋設)法は,顔画像における感情の分類のための提案した。提案した方法の独創性は,損失関数にあり,他の深い学習に基づく顔の感情分類手法とは異なっていた。入力顔画像は,多層畳込みニューラルネットワークを用いた低次元特徴空間中に埋め込まれた。この埋込みプロセスでは損失関数を訓練データセットにおける三重試料を用いて計算した。バッチ中の各サンプルでは,二サンプルはそれらのうちの一つは同一クラスと異なるクラスからの他のものとされるような方法で選択した。損失関数では,ユークリッド空間内でお互いに同じクラスに属する試料を閉じ,異なるクラスのサンプルから離れることを目的とする。提案した方法の性能解析では,二種類の一般的な深いアーキテクチャ,すなわちAlexNetとVGGはCIFEとGaMoと呼ばれる二データセットに使用されている。実験は,提案した方法は,この特別なデータセット上でその他の一般的な損失関数と利用可能な研究よりも優れていることを示した。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： 計算機アーキテクチャ ,  ニューラルネットワーク ,  *三重項 ,  ロット ,  顔画像 ,  *損失関数 ,  Euclid空間 ,  多層 ,  性能分析 ,  畳込み
準シソーラス用語： 訓練データ ,  特徴空間 ,  低次元 ,  *感情分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 三重項 ,  損失関数 ,  埋込み ,  顔 ,  感情分類