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。
本研究では,マイクロ表現認識(MER)のための空間-時間パターンをモデル化するためのLong Short-Termメモリ(LSTM)ネットワークの有用性を検討した。微小発現は,しばしば低強度で,不随意,短顔表情である。RNNは,時系列のモデリングのために近年多くの注目を集めている。RNN-LSTM組合せは,多くの応用分野で非常に効果的な結果になる。提案方法は,最近のVGGFace2モデル,基本的に,VGGFace2データセットで訓練されたResNet-50CNNを,一方向と双方向LSTMで組み合わせ,MERのための空間-時間顔パターンをモデル化する種々の方法を探究する。Grad-CAM熱マップ可視化を訓練段階で用いて,再訓練のためのVGGFace2モデルの最も適切な層を決定した。実験を,純粋VGGFace2,VGGFace2+一方向LSTM,およびVGGFace2+Bi方向LSTMを用いて,SMICデータベース上で5倍交差検証を用いて実行した。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】