Core Concepts
感情中心の生成リプレイ(ECgr)と品質保証(QA)アルゴリズムを組み合わせることで、CNNがこれまでに学習した知識を保持しつつ、新しい課題を学習することができる。
Abstract
本研究では、顔表情認識におけるカタストロフィック忘却の問題に取り組むため、感情中心の生成リプレイ(ECgr)と品質保証(QA)アルゴリズムを提案している。
まず、ECgrでは、WGAN-GPを用いて各感情クラスの合成画像を生成する。次に、QAアルゴリズムを適用し、元のCNNで正しく分類できる高品質な合成画像のみを選別する。この二つのアプローチを組み合わせることで、CNNが過去の知識を保持しつつ、新しい課題を学習することができる。
実験では、MUG、JAFFE、TFEID、CK+の4つの顔表情データセットを用いて評価を行った。結果、ECgr+QAの手法が、単純な微調整や統合学習よりも優れた性能を示し、カタストロフィック忘却を効果的に軽減できることが確認された。特に、感情クラス別の分析では、怒りや嫌悪といった難しいクラスでも良好な結果が得られた。
Stats
顔表情認識モデルをMUGデータセットで事前に学習し、その後JAFFEデータセットに適応させた際、ECgr+wQAの手法はベースラインの75%から94%まで精度を向上させた。
MUG、JAFFE、TFEIDの3つのデータセットを順次学習した後、CK+データセットに適応させた際、ECgr+QAの手法はベースラインの53%から82%まで精度を向上させた。
Quotes
"感情は人間の相互作用と理解において不可欠である。この文脈において、顔表情は重要な役割を果たす。"
"CNNは順次的に異なるタスクやデータセットを学習すると、以前学習した情報を保持することが困難になり、カタストロフィック忘却に陥りやすい。"