Core Concepts
深層学習を用いた顔表情認識において、局所的および非局所的な情報を組み合わせて、重要な顔部位を適応的に強調する方法が提案された。
Abstract
この論文では、顔表情データの間の小さなクラス間差異により、顔の重要な領域が強調されることが重要であると述べられています。手動で注釈付けされたランドマークポイントから事前情報を利用せずに、深層学習の特徴学習中に顔の重要な領域を自動的に強化する手法が提案されました。局所および非局所情報を組み合わせて、新しいモデルが構築され、実験結果は他の最先端手法と比較して競争力のある性能を示しています。
Stats
16個のローカルリージョンに対応する非局所注意ウェイト:0.0289, 0.0645, 0.0591, 0.0305, 0.0839, 0.1079, 0.0708, 0.0587, 0.0777, 0.1374, 0.0913, 0.0674, 0.0258, 0.0285, 0.0365, 0.0311
ローカルリージョン10周辺の非局所注意ウェイト:0.1123, 0.0646, 0.0776, 0.0703, 0.0887, 0.0511 ,...
ローカルリージョン16周辺の非局所注意ウェイト:...
Quotes
"Facial expression recognition (FER) is still one challenging research due to the small inter-class discrepancy in the facial expression data."
"In view of the significance of facial crucial regions for FER..."
"The proposed method achieves more competitive performance compared with several state-of-the-art methods on five benchmark datasets."