文献

J-GLOBAL ID：202002267188275791   整理番号：20A2462662

マイクロ表現認識のためのAU支援グラフ注意畳込みネットワーク【JST・京大機械翻訳】

AU-assisted Graph Attention Convolutional Network for Micro-Expression Recognition

著者 (4件)： Xie Hong-Xia (National Chiao Tung University, Hsinchu, Taiwan Roc) ,  Lo Ling (National Chiao Tung University, Hsinchu, Taiwan Roc) ,  Shuai Hong-Han (National Chiao Tung University, Hsinchu, Taiwan Roc) ,  Cheng Wen-Huang (National Chiao Tung Univresity, Hsinchu, Taiwan Roc)
資料名： ACM Proceedings  (ACM Proceedings)
号： MM ’20  ページ： 2871-2880  発行年： 2020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： ミクロ発現(ME)は,ヒトの実際の感覚を反映するための重要な手がかりであり,マイクロ発現認識(MER)は,様々な実世界応用に適用できる。しかし,MEを正しく認識し解釈することは困難であった。深層学習技術の進歩により,マイクロ表現認識の精度は改善されるが,大規模データセットの欠如によってまだ制限される。本論文では,行動単位(AU)と感情カテゴリーラベルを結合することによる新しいマイクロ表現認識アプローチを提案した。具体的には,顔の筋肉運動に基づいて,関係情報に基づく異なるAUsをモデル化し,AU認識タスクをMERと統合した。さらに,制限的で不均衡な訓練サンプルの短所を克服するために,著者らは,性能を効果的に改善し,他のマイクロ表現認識方式と互換性がある,実世界マイクロ表現画像のAU強度で,ほとんど区別できない画像シーケンスを作り出すことができるデータ増強法を提案した。3つの主流マイクロ表現データセット,すなわちCASME II,SAMM,およびSMICに関する実験結果は,著者らのアプローチが単一データベースと交差データベースマイクロ表現認識の両方に関して他の最先端の方法より優れていることを明らかにした。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： *畳込み ,  互換性 ,  データベース ,  *ネットワーク ,  ヒト
準シソーラス用語： 大規模データセット ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： AUグラフ関係学習 ,  データ増強 ,  深層ニューラルネットワーク ,  マイクロ表現認識

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 表現 ,  Au ,  支援 ,  グラフ ,  注意 ,  畳込み