Conceptos Básicos
본 논문에서는 기존 얼굴 표정 인식 데이터 세트의 한계점을 지적하고, 이를 개선하기 위해 소프트 라벨링 방법을 제안하며, 이를 기반으로 한 새로운 데이터 세트인 AffectNet+를 소개합니다.
Resumen
AffectNet+: 소프트 라벨을 이용한 얼굴 표정 인식 향상을 위한 데이터베이스
본 논문은 컴퓨터 비전 분야, 특히 얼굴 표정 인식(FER)을 위한 새로운 데이터 세트인 AffectNet+를 소개하는 연구 논문입니다.
본 연구의 주요 목적은 기존 AffectNet 데이터 세트의 한계점, 즉 단일 감정 레이블(하드 라벨) 사용으로 인한 복합적인 표정 표현의 어려움을 해결하고, 더욱 정확하고 현실적인 얼굴 표정 인식을 가능하게 하는 것입니다.
연구진은 소프트 라벨링이라는 새로운 접근 방식을 제안합니다. 소프트 라벨링은 하나의 얼굴 이미지에 여러 감정 레이블을 각기 다른 신뢰도로 할당하는 방식입니다. 즉, 각 이미지에 대해 7가지 기본 감정(행복, 슬픔, 놀람, 공포, 혐오, 분노, 경멸)과 중립 표정에 대한 확률 점수를 부여하여 소프트 라벨 벡터를 생성합니다.
소프트 라벨을 생성하기 위해 연구진은 두 가지 방법을 사용했습니다. 첫째, 앙상블 이진 분류기(EBC) 방법은 각각 특정 표정을 감지하도록 훈련된 8개의 이진 분류기를 사용합니다. 둘째, AU 기반 분류기는 EMFACS(Emotional Facial Action Coding System)에서 정의한 얼굴 표정과 관련된 AU(Action Unit)의 중첩을 활용합니다.