文献

J-GLOBAL ID：201802240446831188   整理番号：18A1687872

顔表情認識のための深い部分空間学習による拡張辞書表現アプローチ【JST・京大機械翻訳】

An extended dictionary representation approach with deep subspace learning for facial expression recognition

著者 (3件)： Sun Zhe (School of Information Science and Engineering, Yanshan University, Hebei Street, Qinhuangdao 066000, Hebei, China) ,  Chiong Raymond (School of Electrical Engineering and Computing, The University of Newcastle, University Drive, Callaghan, NSW 2308, Australia) ,  Hu Zheng-ping (School of Information Science and Engineering, Yanshan University, Hebei Street, Qinhuangdao 066000, Hebei, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 316  ページ： 1-9  発行年： 2018年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 主成分分析ネットワーク(PCAnet)と線形判別分析ネットワーク(LDANet)に基づく深い部分空間学習(DSL)モデルは,計算力と訓練データ制約があるとき,深い学習モデルに対する有望な代替案であることを示した。しかしながら,特徴空間の高次元性はDSLモデルの主要な問題である。本論文では,顔表情認識のための深い部分空間特徴を持つ拡張辞書表現に基づく新しいDSLアプローチを提案した。最初に,各部分空間マッピング層間にランクベースの平均プールを追加することにより,DSLによる特徴プールの使用を提案した。次に,高次元問題を克服するために,出力層における空間ピラミッドプールを用いた。その後,拡張辞書は特徴辞書を拡張することによって形成される。最後に,認識精度を改善するために,二乗l_2正則化によるスパース表現分類を適用した。いくつかの良く確立されたデータセットに基づく包括的実験により,提案した手法はベースラインおよび最先端のPCAnetおよびLDANet法と比較して優れた性能を有することを確認した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  学習モデル ,  角錐 ,  主成分分析 ,  高次元 ,  *正則化 ,  モデル
準シソーラス用語： 最先端 ,  スパース表現 ,  認識精度 ,  *部分空間 ,  特徴空間 ,  訓練データ ,  *部分空間学習 ,  *表情認識 , 【Automatic Indexing@JST】

著者キーワード (5件)： 表情認識 ,  深い部分空間学習による特徴プーリング ,  拡張辞書表現 ,  PCANET ,  LDANET

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 顔表情認識 ,  部分空間学習 ,  拡張 ,  辞書 ,  表現