文献

J-GLOBAL ID：202002234002969999   整理番号：20A2003676

モバイル装置上の深くテンソル圧縮されたLSTMニューラルネットワークによる高速ビデオ表情認識【JST・京大機械翻訳】

Fast video facial expression recognition by deeply tensor-compressed LSTM neural network on mobile device

著者 (5件)： Zhen Peining (Shanghai Jiao Tong University, Shanghai, China) ,  Liu Bin (Southern University of Science and Technology, Shenzhen, China) ,  Cheng Yuan (Shanghai Jiao Tong University, Shanghai, China) ,  Chen Hai-Bao (Shanghai Jiao Tong University, Shanghai, China) ,  Yu Hao (Southern University of Science and Technology, Shenzhen, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： SEC ’19  ページ： 298-300  発行年： 2019年 
JST資料番号： D0698C  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： ポスト:モバイルデバイスは,通常,深いニューラルネットワークアプリケーションからそれらを深刻に妨げる,限られた計算とストレージ資源に悩まされる。本論文では,モバイルデバイス上のビデオにおける高速表情認識(FER)のための深くテンソル圧縮LSTMニューラルネットワークを導入した。最初に,時空間FER LSTMモデルを,顔クリップから時系列特徴マップを抽出することにより構築した。LSTMモデルをテンソル化でさらに深く圧縮した。野生(AFEW)7.0におけるActed Faceal Expressionのデータセットに基づいて,実験結果は,提案方法が55.60%の分類精度を達成することを示した。そして,219Xによってネットワークモデルのサイズを著しく圧縮した。ニューラルプロセスエンジンを用いたRK3399Pro IoTデバイスにさらに実装し,特徴抽出部分の実行時間は,7.73W電力消費で12.83Xだけ低減できた。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *テンソル ,  電力消費 ,  *ニューラルネットワーク ,  特徴抽出 ,  *録画装置 ,  応用プログラム
準シソーラス用語： 表情認識 ,  *モバイルデバイス ,  ネットワークモデル ,  実行時間 ,  分類精度 ,  モノのインターネット ,  深層学習 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  表情認識 ,  モバイル装置 ,  テンソル分解

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (6件)： モバイル装置 ,  テンソル ,  LSTM ,  ニューラルネットワーク ,  高速ビデオ ,  表情認識