Alapfogalmak
Ein praktisches Verfahren zur effektiven Erkennung von Gesichtsausdrücken in Bildern mit unterschiedlicher Auflösung, ohne die Genauigkeit des FER-Modells zu beeinträchtigen.
Kivonat
Das vorgeschlagene DRGFER-Framework besteht aus zwei Hauptkomponenten: dem Resolution Recognition Network (RRN) und dem Multi-Resolution Adaptation Facial Expression Recognition Network (MRAFER).
Das RRN bestimmt die Auflösung des Eingangsbilds und gibt einen binären Vektor aus. Das MRAFER weist die Bilder dann den entsprechenden Gesichtsausdruckerkennungsnetzen basierend auf der Auflösung zu.
Die Experimente auf gängigen Datensätzen zeigen, dass die Methode die optimale Modellleistung bei jeder Auflösung beibehält und alternative Auflösungsansätze übertrifft. Das vorgeschlagene Framework erweist sich als robust gegenüber Auflösungsschwankungen und Gesichtsausdrücken und bietet eine vielversprechende Lösung für Anwendungen in der realen Welt.
Statisztikák
Bei einer Downsampling-Rate von x1 erreicht DRGFER eine Genauigkeit von über 89,24%, während andere Methoden wie RA-BN und MSTrain nur etwa 86,96% bzw. 85,88% erreichen.
Bei einer Downsampling-Rate von x8 erzielt DRGFER eine Genauigkeit von 77,35%, während MSTrain und RA-BN nur 77,18% bzw. 76,43% erreichen.
Im Durchschnitt über alle Downsampling-Raten erreicht DRGFER eine Genauigkeit von 84,41%, was deutlich höher ist als die anderen getesteten Methoden.
Idézetek
"Unser vorgeschlagenes DRGFER-Framework zeigt sich als robust gegenüber Auflösungsschwankungen und Gesichtsausdrücken und bietet eine vielversprechende Lösung für Anwendungen in der realen Welt."
"Die Experimente auf gängigen Datensätzen zeigen, dass die Methode die optimale Modellleistung bei jeder Auflösung beibehält und alternative Auflösungsansätze übertrifft."