文献

J-GLOBAL ID：202102226687821252   整理番号：21A0274364

マイクロ表現認識のためのLSTMの研究【JST・京大機械翻訳】

Investigating LSTM for Micro-Expression Recognition

著者 (2件)： Bai Mengjiong (University of Canberra, Canberra, ACT, Australia) ,  Goecke Roland (University of Canberra, Canberra, ACT, Australia)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMI ’20 Companion  ページ： 7-11  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： 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】

シソーラス用語： *記憶装置 ,  データベース ,  ネットワーク ,  可視化
準シソーラス用語： 深層学習 ,  顔表情 ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (3件)： 深層学習 ,  長期短期記憶 ,  マイクロ表現

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 表現 ,  LSTM ,  研究