文献

J-GLOBAL ID：202202282040887807   整理番号：22A0992718

移動学習と分離可能三次元畳込みを組み合わせたマイクロ表情認識手法【JST・京大機械翻訳】

Micro-Expression Recognition Method Combining Transfer Learning and Separable 3D Convolution

著者 (3件)： Liang Zhengyou (广西大学 計算机与電子信息学院,南寧 530004;广西多媒体通信与网絡技術重点実験室,南寧 530004) ,  Liu Dezhi (广西大学 計算机与電子信息学院,南寧 530004) ,  Sun Yu (广西大学 計算机与電子信息学院,南寧 530004)
資料名： Jisuanji Gongcheng  (Jisuanji Gongcheng)
巻： 48  号： 1  ページ： 228-235  発行年： 2022年 
JST資料番号： C2532A  ISSN： 1000-3428  CODEN： JISGEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存のマイクロ表情自動認識方法の正確性が低く、マイクロ表情サンプル数が不足している問題に対して、融合移動学習技術と分離可能三次元畳込みニューラルネットワーク(S3DCNN)のマイクロ表情識別方法を提案した。マクロ表情とマイクロ表情ビデオサンプルにおけるオプティカルフロー特徴フレーム列をオプティカルフロー法で抽出し,S3DCNNをマクロ表情サンプルのオプティカルフロー特徴フレーム列を用いて事前訓練し,マイクロ表情サンプルのオプティカルフロー特徴フレーム列を用いてモデルパラメータを微調整した。S3DCNNネットワークは,2D空間コイル積層と一次元の時間領域の畳み込みから成る分離可能な三次元の畳み込みから成り,従来の3D畳込みニューラルネットワークよりも良好な学習能力を持ち,モデルの必要な訓練パラメータと計算量を低減した。これに基づいて、移動学習の方式を採用してモデルを訓練し、微表情サンプル数の過少によるモデルの過フィッティング問題を緩和し、モデルの学習効率を上げた。実験結果は,CASMEIIのマイクロ表情データセットに関する提案方法の認識精度が67.58%であり,それはMagGA,C3DEvolなどの最先端のマイクロ表情認識アルゴリズムより高いことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  パターン認識 ,  *学習 ,  ネットワーク ,  計算量 ,  モデル ,  二次元 ,  一次元 ,  *三次元 ,  オプティカルフロー
準シソーラス用語： *表情認識 ,  モデルパラメータ ,  自動認識 ,  認識アルゴリズム ,  時間領域 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 学習 ,  畳込み ,  表情認識 ,  手法