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。
最近の先進的な研究は,深い学習が顔表情認識において,特に基本的表現認識分野において大きなポテンシャルを持ち,多くの研究者が優れた性能を有する多くの深層学習ネットワークを提案した。化合物顔表情に関しては,それは大きな研究価値を持つが,ほんのわずかな研究しか存在せず,その性能は満足できるものではない。したがって,化合物顔表情認識を改善するためには,まだ多くの研究が行われている。この問題に取り組むために,筆者らは,VGG-19事前訓練ネットワークと組み合わせた微調整構造を設計する,化合物表現認識のための転送学習解を導入した。VGG-19事前訓練ネットワークを用いて顔表情の深い特徴を抽出し,微調整ネットワークを用いて顔表情のカテゴリーを得た。実験結果は,著者らのアプローチが精度において約5.31%の最先端の深層学習法を改善することを示した。知る限りでは,転送学習アプローチは,CFEEデータセットに基づく複合顔表情認識に適用する初めてである。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】