抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
顔表情分析は,コンピュータが顔情報を分析することによって人間の感情を理解する技術であり,コンピュータビジョンの分野での最新の話題になった。そのチャレンジは,データマーキングの困難さ,マルチ人ラベルの一貫性差,自然環境における顔の姿勢,およびオクルージョンなどである。顔表情分析の発展を推進するため、本文は顔表情分析の関連任務、進展、挑戦と将来動向を概説する。最初に,顔表情解析のいくつかの一般的タスク,基本アルゴリズムフレームワーク,およびデータベースを簡潔に述べた。次に,顔表情認識法について要約し,従来の特徴設計手法と深さ学習法を含む。次に,顔表情認識の問題と挑戦について要約した。最後に,将来の開発動向を論じた。全面的な総説と討論を通じて、以下の観点をまとめた。1)信頼された顔表情データベースの規模が小さい問題に対して、顔認識モデルから移動学習およびラベルなしデータを利用して半教師つき学習を行うことは2つの重要な策略である。2)ファジィ表情,低品質画像,および注釈者の主観的な影響により,非制御自然情景の顔表情データのラベル在庫は一定の不確実性で,これらの因子を抑えることで,深さネットワーク学習の真の表情特徴を学習できる。3)顔のオクルージョンと大きな姿勢問題に対して,局所ブロックの融合戦略は有効な戦略であり,もう1つの戦略は,最初に,顔認識データベースにおけるオクルージョンと姿勢のロバストモデルへの学習であり,顔表情認識と移動学習を行う。4)深さ学習に基づく表情認識方法は,多くの超パラメータによって影響を受けるので,顔表情認識の現在の方法の可比較性は強くない,そして,異なる表情認識方法は,異なる単純な基線方式で評価する必要がある。現在、非制御自然環境下での表情分析が急速に発展しているが、上記の問題と挑戦は依然として解決する必要がある。顔表情分析は比較的実用的なタスクであり、将来の発展は方法の精度を討論し、方法の時間と記憶消耗に注目するだけでなく、非制御環境で高精度の顔運動ユニット検査結果を用いて表情分類推定を行うこともできる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】
