文献

J-GLOBAL ID：201902284198996905   整理番号：19A1194099

二重特徴抽出を用いたマイクロ表現認識精度の改善【JST・京大機械翻訳】

Improving Micro-expression Recognition Accuracy Using Twofold Feature Extraction

著者 (3件)： Takalkar Madhumita A. (School of Electrical and Data Engineering, Faculty of Engineering and Information Technology, University of Technology Sydney, Ultimo, NSW, Australia) ,  Zhang Haimin (School of Electrical and Data Engineering, Faculty of Engineering and Information Technology, University of Technology Sydney, Ultimo, NSW, Australia) ,  Xu Min (School of Electrical and Data Engineering, Faculty of Engineering and Information Technology, University of Technology Sydney, Ultimo, NSW, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11295  ページ： 652-664  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 人間の顔上では,マイクロ表現は不随意に生成され,通常,人の感情を抑制することの徴候である。マイクロ表現は短い持続時間,不連続性および低い強度によって特徴付けられる。これらの特性のために,マイクロ表現は正確に知覚して解釈するのが困難であり,それらは自動的に同定し分類するために非常に挑戦的である。マイクロ表現認識のための以前の研究では,LBP-TOP,Gaborフィルタ,HOGおよびオプティカルフローのような手による特徴を用いている。最近の研究により,マイクロ発現認識のための深い学習の利用可能性も実証されている。本論文は,マイクロ表現認識タスクのための手技特徴記述子と深い特徴記述子の利用を調査する最初の研究である。目的は,特徴を抽出し,それらを統合して,ビデオを記述するための大きな特徴ベクトルを構築するために,手技と深い学習特徴記述子を用いることである。CASME,CASME IIおよびCASME+2データベースに関する実験を通して,著者らの提案方法は,より大きな訓練サンプルによって,マイクロ表現認識精度のために有望な結果を達成することができることを実証した。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  オプティカルフロー ,  不連続性 ,  フィルタ ,  *特徴抽出 ,  データベース ,  継続時間 ,  録画装置
準シソーラス用語： 特徴ベクトル ,  特徴記述子 ,  *認識精度 , 【Automatic Indexing@JST】

著者キーワード (6件)： マイクロ発現認識 ,  深層学習 ,  局所2値パターン-3直交平面(LBP-TOP) ,  畳込みニューラルネットワーク(CNN) ,  小訓練データ ,  データ増強

分類 (3件)： 人工知能  (JE08000Z) ,  分子・遺伝情報処理  (JE15040B) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 特徴抽出 ,  表現 ,  認識精度