文献

J-GLOBAL ID：202102290744466655   整理番号：21A0576794

実時間マイクロ表現認識のためのコスト効率の良いCNN【JST・京大機械翻訳】

Cost-Effective CNNs for Real-Time Micro-Expression Recognition

著者 (5件)： Belaiche Reda ,  Liu Yu ,  Migniot Cyrille ,  Ginhac Dominique ,  Yang Fan
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 14  ページ： 4959  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： Micro-Expression(ME)認識は,日常の人間の感情を捉え,理解するためのゲートウェイを示すので,コンピュータビジョンにおける最新の話題である。MEは典型的には過渡状態(200ms以下)で,微妙なMEによる困難な問題である。機械学習の最近の進歩は,多様なコンピュータビジョンタスクを解くために,新しい有効な方法を採用できる。特に,大規模データセット上の深層学習技法の使用は,手作業特徴に依存する古典的機械学習に基づく古典的手法よりも性能が優れている。自発的MEに対する利用可能なデータセットは不足し,はるかに小さいが,オフラインの畳込みニューラルネットワーク(CNN)は,まだ満足な分類結果を示す。しかし,これらのネットワークはメモリ消費と計算資源に関して強い。これは,高速かつ正確な認識を要求する仮想教室における運転者監視や理解認識のような多くのアプリケーションにおいてCNNベースソリューションを展開する場合に大きな挑戦をもたらす。これらのネットワークが最初に異なるドメインのタスクのために設計されたので,それらは過パラメータ化し,ME認識のために最適化する必要がある。本論文では,2つの方法でME分類のために最適化したよく知られたResNet18に基づく新しいネットワークを提案した。最初に,残留層を除去することによってネットワークの深さを減らした。第2に,ネットワークへの入力として使われる光フローのよりコンパクトな表現を導入した。広範な実験を示し,提案したネットワークが,必要なメモリ空間を大幅に削減しながら,最先端の方法に匹敵する精度が得られることを示した。最良の分類精度は,5つの目的クラスを含む挑戦的な複合データセットで60.17%であった。提案手法は,MEビデオクリップ(最短MEの発生時間40ms以下)を分類するために,24.6msのみを採った。このCNN設計は,限られたメモリとコンピューティング資源を有するリアルタイム組込みアプリケーションに適している。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： 過渡現象 ,  記憶装置 ,  最適化 ,  *ネットワーク ,  応用プログラム ,  コンピュータビジョン ,  ゲートウェイ ,  パラメタリゼーション ,  機械学習
準シソーラス用語： ビデオクリップ ,  計算資源 ,  オフライン ,  大規模データセット ,  深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： コンピュータビジョン ,  深層学習 ,  オプティカルフロー ,  マイクロ表情 ,  リアルタイム処理

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

引用文献 (42件)：

• Shan, C.; Gong, S.; McOwan, P. Facial expression recognition based on local binary patterns: A comprehensive study. Image Vis. Comput. 2018, 27, 803-816.
• Edwards, J.; Jackson, H.; Pattison, P. Emotion recognition via facial expression and affective prosody in schizophrenia: A methodological review. Clin. Psychol. Rev. 2002, 22, 789-832.
• Busso, C.; Deng, Z.; Yildirim, S.; Bulut, M.; Lee, C.; Kazemzadeh, A.; Lee, S.; Neumann, U.; Narayanan, S. Analysis of emotion recognition using facial expressions, speech and multimodal information. In Proceedings of the 6th International Conference on Multimodal Interfaces, College, PA, USA, 13-15 October 2004; pp. 205-211.
• Biondi, G.; Franzoni, V.; Gervasi, O.; Perri, D. An Approach for Improving Automatic Mouth Emotion Recognition. In Lecture Notes in Computer Science, 11619 LNCS; Springer: Cham, Switzerland, 2019; pp. 649-664.
• Ekman, P.; Friesen, W.V. Nonverbal Leakage and Clues to Deception. Psychiatry 1969, 32, 88-106.

タイトルに関連する用語 (4件)： 実時間 ,  表現 ,  コスト効率 ,  CNN