文献

J-GLOBAL ID：202202244632266756   整理番号：22A1055595

顔表情認識のための低ランク部分空間に基づく非負テンソル因数分解【JST・京大機械翻訳】

Nonnegative Tensor Factorization based on Low-Rank Subspace for Facial Expression Recognition

著者 (5件)： Liu Xingang (University of Electronic Science and Technology of China, Chengdu, China) ,  Li Chenqi (University of Electronic Science and Technology of China, Chengdu, China) ,  Dai Cheng (University of Electronic Science and Technology of China, Chengdu, China) ,  Lai Jinfeng (University of Electronic Science and Technology of China, Chengdu, China) ,  Chao Han-Chieh (National Dong Hwa University, Taiwan, China)
資料名： Mobile Networks and Applications  (Mobile Networks and Applications)
巻： 27  号： 1  ページ： 58-69  発行年： 2022年 
JST資料番号： W1753A  ISSN： 1383-469X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 重要な進歩は,近年,人工知能の分野でなされ,そして,人間-コンピュータ相互作用の開発を大いに促進する顔表情認識(FER)は,重要な研究ホットスポットになっている。本論文では,FERに対する低ランク部分空間(NTF_-LRS)に基づいて,新しい非負テンソル因数分解法を提案した。最初に,多次元データの根底にある高次相関を見つけるために,データテンソルモデルを構築し,それは,独創的に異なる次元特徴を表現することができた。次に,低ランク部分空間モデルを採用して,元のテンソルモデルを再構成し,学習された新しいテンソルの冗長性を低減し,クラス間情報の判別能力を改善した。最後に,再構成テンソルを分解して,非負テンソル因数分解によって因子行列を得て,そこで,すべての因子行列を用いて部分空間特徴を抽出した。著者らの提案の有効性を検証するために,「JAFFE」と「CK+」と呼ばれる2つのよく知られた顔表情データセットを評価に利用し,実験結果は,テンソルベースの方法が,ベクトル化のため次元 cの例を回避する全サンプルの元の構造を保存することを示した。さらに,この方法はラプラシアングラフを用いて低ランク部分空間モデルに正則化を課し,サンプル近傍間の局所関係を維持した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： グラフ ,  相互作用 ,  *テンソル ,  表現 ,  冗長性 ,  *因数分解 ,  人工知能 ,  *空間 ,  ホットスポット ,  正則化 ,  コンピュータ ,  Laplace演算子
準シソーラス用語： *表情認識 ,  *部分空間 ,  空間モデル ,  *顔表情 , 【Automatic Indexing@JST】

著者キーワード (6件)： 表情認識 ,  NTF-LRS ,  テンソル表現 ,  部分空間モデル ,  低ランク ,  非負テンソル因数分解

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 顔表情認識 ,  部分空間 ,  テンソル ,  因数分解