Core Concepts
감정 중심 생성 재현 방법과 품질 보증 알고리즘을 통해 CNN이 이전 과제의 지식을 유지하면서 새로운 과제를 학습할 수 있도록 한다.
Abstract
이 연구는 감정 중심 생성 재현(ECgr) 방법과 품질 보증(QA) 알고리즘을 제안하여 CNN의 재앙적 망각 문제를 해결하고자 한다. ECgr은 WGAN-GP를 사용하여 각 감정 클래스에 대한 합성 이미지를 생성하고, QA 알고리즘은 CNN이 정확하게 분류할 수 있는 고품질 합성 이미지만 선별한다. 이 두 가지 방법을 결합하면 CNN이 이전 과제의 지식을 유지하면서 새로운 과제를 학습할 수 있다. 실험 결과, ECgr과 QA를 결합한 방법이 다양한 얼굴 표정 데이터셋에서 가장 좋은 성능을 보였다. 이는 감정 중심 생성 재현과 품질 보증이 재앙적 망각 문제를 효과적으로 해결할 수 있음을 보여준다.
Stats
제안된 ECgr+wQA 방법은 MUG 데이터셋에서 94%의 정확도를 달성하여 기존 방법들을 능가했다.
ECgr+QA 방법은 TFEID 데이터셋에서 84%의 정확도를 달성하여 가장 좋은 성능을 보였다.
ECgr+wQA 방법은 CK+ 데이터셋에서 81%의 정확도를 달성하여 우수한 성능을 보였다.
Quotes
"감정 중심 생성 재현(ECgr)은 WGAN-GP를 사용하여 각 감정 클래스에 대한 합성 이미지를 생성한다."
"품질 보증(QA) 알고리즘은 CNN이 정확하게 분류할 수 있는 고품질 합성 이미지만 선별한다."
"ECgr과 QA를 결합하면 CNN이 이전 과제의 지식을 유지하면서 새로운 과제를 학습할 수 있다."