文献

J-GLOBAL ID：202102227191241085   整理番号：21A0614291

表情認識の畳込みニューラルネットワークモデルにおける活性化関数の影響【JST・京大機械翻訳】

The Influence of the Activation Function in a Convolution Neural Network Model of Facial Expression Recognition

著者 (4件)： Wang Yingying (School of Control Science and Engineering, Shandong University, Jinan 250061, China) ,  Li Yibin (School of Control Science and Engineering, Shandong University, Jinan 250061, China) ,  Song Yong (School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai 264209, China) ,  Rong Xuewen (School of Control Science and Engineering, Shandong University, Jinan 250061, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 5  ページ： 1897  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 畳み込みニューラルネットワーク(CNN)は,その優れた性能のために,画像認識分野で広く用いられている。本論文では,CNNモデルに基づく顔表情認識法を提案した。CNNモデルの階層構造の複雑性に関しては,活性化関数の非線形能力が実際に深いニューラルネットワークが真正の人工知能を持つので,活性化関数はそのコアである。共通の活性化関数の中で,ReLu機能はそれらの最良のものの一つであるが,いくつかの欠点もある。ReLu機能の導関数は,入力値が負であるときに常にゼロであるので,ニューロン壊死現象として現れるようである。上記の問題を解決するために,CNNモデルにおける活性化関数の影響を,本論文で研究した。CNNモデルにおける活性化関数の設計原理に従って,新しい区分的活性化関数を提案した。5つの共通活性化関数(すなわち,S状,tanh,ReLu,漏れReLusおよびソフトplusReLu,プラスの新しい活性化関数)を分析し,Kearasフレームワークに基づく表情認識タスクにおいて比較した。2つの公共表情データベース(すなわち,JAFFEとFER2013)に関する実験結果は,改良活性化関数に基づく畳込みニューラルネットワークが,最先端の活性化関数より良い性能を有することを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューロン ,  *ニューラルネットワーク ,  壊死 ,  人工知能 ,  階層構造 ,  導関数 ,  画像認識
準シソーラス用語： *表情認識 ,  *活性化関数 ,  複雑性 ,  入力データ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 表情認識 ,  畳込みニューラルネットワーク ,  活性化機能

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

引用文献 (47件)：

• Mehrabian, A.; Russell, J.A. An Approach to Environmental Psychology; The MIT Press: Cambridge, MA, USA, 1974.
• Wang, K.; Peng, X.; Yang, J. Region attention networks for pose and occlusion robust facial expression recognition. IEEE Trans. Image Process. 2020, 29, 4057-4069.
• Wood, A.; Rychlowska, M.; Korb, S.; Niedenthal, P. Fashioning the face: Sensorimotor simulation contributes to facial expression recognition. Trends Cogn. Sci. 2016, 20, 227-240.
• Otwell, K. Facial Expression Recognition in Educational Learning Systems. U.S. Patent 10,319,249, 11 June 2019.
• Cambria, E. Affective computing and sentiment analysis. IEEE Intell. Syst. 2016, 31, 102-107.

タイトルに関連する用語 (4件)： 表情認識 ,  畳込みニューラルネットワーク ,  モデル ,  活性化関数