顔属性に基づく鬱病認識のためのニューラルアーキテクチャ探索【JST・京大機械翻訳】

Chen Mingzhe; Xiao Xi; Zhang Bin; Liu Xinyu; Lu Runiu

プレプリント

J-GLOBAL ID：202202203374688920 整理番号：22P0278959

顔属性に基づく鬱病認識のためのニューラルアーキテクチャ探索【JST・京大機械翻訳】

Neural Architecture Searching for Facial Attributes-based Depression Recognition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2022年01月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

最近の研究は,うつ病がヒトの顔属性から部分的に反映できることを示した。顔属性は様々なデータ構造を持ち,異なる情報を運ぶので,既存の手法は,それらの各々から鬱病関連特徴を抽出するための最適方法を特に考慮できず,また最良の融合戦略を調査する。本論文では,複数の顔属性ベースの鬱病認識のための最適モデルを設計するための,ニューラルアーキテクチャ探索(NAS)技術を拡張し,小さなデータセットで効率的かつロバストに実装できる。提案アプローチは,まず,探索空間を大幅に削減し,各特徴抽出器が畳込みニューラルネットワーク(CNN)またはグラフニューラルネットワーク(GNN)のいずれかであるようなカスタム化アーキテクチャを提供することを目的として,各顔属性の特徴抽出器に,より暖かいステップを行う。次に,すべての特徴抽出器と融合ネットワークのためにエンドツーエンドアーキテクチャ検索を行い,相補的な抑圧手がかりをより少ない冗長性と最適に組み合わせることを可能にした。AVEC2016データセットに関する実験結果は,著者らのアプローチによって探究されたモデルが,既存の最先端技術に関して27%と30%のRMSEとMAE改良によってブレークスルー性能を達成することを示した。これらの知見を踏まえて,本論文は,時系列データベースの精神衛生分析にNASを適用するための固体証拠と強いベースラインを提供する。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る