文献

J-GLOBAL ID：202102236943033894   整理番号：21A1205936

畳込みニューラルネットワークを用いた顔表情認識の性能研究【JST・京大機械翻訳】

Performance Study of Facial Expression Recognition Using Convolutional Neural Network

著者 (3件)： Aza Marde Fasma’ul (Teknologi Sepuluh Nopember,Faculty of Intelligent Electrical and Informatics Technology Institut,Department of Informatics,Surabaya,Indonesia) ,  Suciati Nanik (Teknologi Sepuluh Nopember,Faculty of Intelligent Electrical and Informatics Technology Institut,Department of Informatics,Surabaya,Indonesia) ,  Hidayati Shintami Chusnul (Teknologi Sepuluh Nopember,Faculty of Intelligent Electrical and Informatics Technology Institut,Department of Informatics,Surabaya,Indonesia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSITech  ページ： 121-126  発行年： 2020年 
JST資料番号： W2441A  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： 表情は人間の感情を表す。顔表情の認識は,家庭設計相談中の顧客の欲求のより良い理解や,医療中の患者による苦痛の発見など様々な分野で用いられている。本研究は,顔表情認識に関する畳込みニューラルネットワーク(CNN)に基づく深層学習技術を探究した。3つの事前訓練CNNモデル,すなわちVGG16,Resnet50,およびSenet50を,異なる学習速度値と最適化関数を用いて再訓練した。7つの発現クラス,すなわち,危険,中立,嫌悪,恐怖,ジョイ,サドネス,および驚き目から成る拡張Cohn-Kanadeデータセット(CK+)に関する試行は,Adam最適化関数と0.001の学習率を有するVGG16アーキテクチャによって得られる97%の最良の精度を生み出す。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *学習 ,  表情 ,  計算機アーキテクチャ
準シソーラス用語： *表情認識 ,  学習速度 ,  苦痛 ,  驚き ,  深層学習 ,  *顔表情 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 畳込みニューラルネットワーク ,  顔表情認識 ,  研究