オプティカルフローとEVMを用いたマイクロ表現認識のためのマルチストリーム畳込みニューラルネットワーク【JST・京大機械翻訳】

Liu Jinming; Li Ke; Song Baolin; Zhao Li

プレプリント

J-GLOBAL ID：202202205713464207 整理番号：22P0207697

オプティカルフローとEVMを用いたマイクロ表現認識のためのマルチストリーム畳込みニューラルネットワーク【JST・京大機械翻訳】

A Multi-stream Convolutional Neural Network for Micro-expression Recognition Using Optical Flow and EVM

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 (4件)： , , ,
資料名：
発行年： 2020年11月07日プレプリントサーバーでの情報更新日： 2020年11月10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)

ミクロ発現(ME)認識は,特に公衆のセキュリティと精神療法において,広範囲の応用において重要な役割を果たす。最近,従来の方法は機械学習設計に過度に頼り,その短い継続時間と低い強度のため,認識率はその実用化のために十分に高くない。他方,深層学習に基づくいくつかの方法は,データベースの不均衡のような問題のために,高精度を得ることができなかった。これらの問題に取り組むために,本論文ではME認識のためのマルチストリーム畳込みニューラルネットワーク(MSCNN)を設計した。特に,EVMと光学フローを用いて,MEsの微妙な動き変化を拡大して可視化し,オプティカルフロー画像からマスクを抽出した。次に,マスク,光フロー画像,およびグレースケール画像をMSCNNに追加した。その後,データベースの不均衡を克服するために,ニューラルネットワークの高密度層後にランダムオーバーサンプルを追加した。最後に,2つの公開MEデータベース:CASME IIとSAMMについて広範な実験を行った。多くの最近の最先端のアプローチと比較して,著者らの方法は,より有望な認識結果を達成した。【JST・京大機械翻訳】

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

パターン認識 , 人工知能

, , ,

前のページに戻る