文献

J-GLOBAL ID：201802299799505347   整理番号：18A1897982

スパースなバッチ正規化CNNに基づく顔表情認識法【JST・京大機械翻訳】

Facial Expression Recognition Method Based on Sparse Batch Normalization CNN

著者 (5件)： Cai Jun (Chongqing Key Laboratory of Complex Systems and Bionic Control, Chongqing University of Posts and Telecommunications, Chongqing, 400065, China) ,  Chang Ouan (Chongqing Key Laboratory of Complex Systems and Bionic Control, Chongqing University of Posts and Telecommunications, Chongqing, 400065, China) ,  Tang Xian-Lun (Chongqing Key Laboratory of Complex Systems and Bionic Control, Chongqing University of Posts and Telecommunications, Chongqing, 400065, China) ,  Xue Can (Chongqing Key Laboratory of Complex Systems and Bionic Control, Chongqing University of Posts and Telecommunications, Chongqing, 400065, China) ,  Wei Chang (Chongqing Key Laboratory of Complex Systems and Bionic Control, Chongqing University of Posts and Telecommunications, Chongqing, 400065, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： CCC  ページ： 9608-9613  発行年： 2018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： コンボリューションニューラルネットワーク顔表情認識モデル訓練が勾配消失または勾配爆発の傾向があるという問題を克服するために,高度に複雑な接続を有する完全接続層は過剰適合をもたらす。スパースバッチ正規化畳込みニューラルネットワークモデルを提案した。初期畳込み過程において,より大きな畳込みカーネルを連続的に用いて,顔表情特徴を統合した。バッチ正規化をモデルの中間層に適用し,モデルを迅速に訓練できるようにデータサイズと分布を調整した。完全に接続された層では,低い保持比のDropout接続がモデル計算と過剰適合リスクを減少させる。このモデルの性能をJAFFEデータセットとCK+データセットで検証し,認識精度は95%以上であった。モデルは,一般的な深い学習モデルと従来の方法より良い認識性能を持っている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *正規化 ,  学習モデル
準シソーラス用語： 認識精度 ,  顔表情 ,  畳込みニューラルネットワーク ,  表情認識 , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： バッチ ,  正規化 ,  CNN ,  顔表情認識