文献

J-GLOBAL ID：202202275222556999   整理番号：22A1062587

二モードコントラスト学習に基づくマイクロ表現認識【JST・京大機械翻訳】

Micro-expression Recognition based on Bimodal Contrastive Learning

著者 (5件)： Jia Wenqiang (School of Information Science and Engineering, Shandong University, China) ,  Song Yanxin (School of Information Science and Engineering, Shandong University, China) ,  Wang Pengyu (School of Information Science and Engineering, Shandong University, China) ,  Chen Lei (School of Information Science and Engineering, Shandong University, China) ,  Ben Xianye (School of Information Science and Engineering, Shandong University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICIGP 2022  ページ： 139-144  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 微小表現は,通常,人々の現実の感情を隠し,捉えることが難しい,短く,微妙な,不随意な顔ジェスチャである。ミクロ表現データサンプルが,異なるカテゴリーの特定のカテゴリーと共通特徴の独特の特徴を含むことを考慮して,二峰性コントラスト学習に基づくマイクロ表現認識ネットワークをこの論文で提案する。ネットワークは主に二峰性特徴抽出モジュール,バイモーダルコントラスト学習融合モジュールと分類と認識モジュールを含む。最初に,マイクロ表現シーケンスをRGB配列とオプティカルフローシーケンスに分割して,それらの間の損失を対照的学習によって構築した。ネットワークは二峰性共通特徴を抽出する。第二に,独特の特徴を抽出するために,二峰性特徴を融合して,ラベルデータを使用してネットワークを最適化した。ネットワークは,異なるカテゴリーの特徴的特徴を抽出しながら,バイモーダル特徴を抽出する。結果は,CASME II,SAMM,およびMMEW上のマイクロ発現の6つのカテゴリーに関するマイクロ表現の5つのカテゴリーのための他の最先端の方法に関して,提案した方法の優位性を示した。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】

シソーラス用語： *コントラスト ,  最適化 ,  *学習 ,  データ ,  ネットワーク ,  特徴抽出 ,  認識 ,  顔 ,  オプティカルフロー
準シソーラス用語： 身振り , 【Automatic Indexing@JST】

著者キーワード (3件)： 二モードコントラスト学習 ,  マイクロ表現認識 ,  オプティカルフロー

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

タイトルに関連する用語 (3件)： コントラスト ,  学習 ,  表現