Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units

En este trabajo nos enfocamos en el problema de Facial Expression Recognition (FER) y analizamos el uso de Label Distribution Learning en un modelo de Deep Learning liviano. Hoy en día, la búsqueda de soluciones ‘lightweight’ que logren resultados comparables a modelos de deep learning más robustos...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Mastropasqua, Nicolás, Acevedo, Daniel
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2022
Materias:
Ciencias Informáticas
Facial expression recognition
Label distribution learning
Ligthweight CNN
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/151742
https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/391/329
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-151742
record_format dspace
spelling I19-R120-10915-1517422023-04-20T13:21:44Z http://sedici.unlp.edu.ar/handle/10915/151742 https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/391/329 issn:2451-7496 Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units Mastropasqua, Nicolás Acevedo, Daniel 2022-10 2022 2023-04-19T15:14:48Z es Ciencias Informáticas Facial expression recognition Label distribution learning Ligthweight CNN En este trabajo nos enfocamos en el problema de Facial Expression Recognition (FER) y analizamos el uso de Label Distribution Learning en un modelo de Deep Learning liviano. Hoy en día, la búsqueda de soluciones ‘lightweight’ que logren resultados comparables a modelos de deep learning más robustos ha recibido particular atención debido a su implementación factible en dispositivos móviles. Además, considerandoque la mayoría de los datasets de expresiones faciales suelen venir anotados con emociones categóricas cuando en realidad la mayoría delas expresiones exhibidas en escenarios ‘in the wild’ ocurren como combinaciones o composición de emociones básicas, hacemos uso de LabelDistibution Learning (LDL) como estrategia para el entrenamiento. Asumimos también que las imágenes de expresiones faciales deberían tener una distribución de emoción similar a su vecindad en el espacio de etiquetas de Action Units. Esta información asociada a la distribución delos vecinos es capturada en la función de perdida para guiar el  entrenamiento en LDL y así lograr mejorar los resultados de accuracy sobre el dataset RAFDB. Sociedad Argentina de Informática e Investigación Operativa Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 23-28
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Facial expression recognition
Label distribution learning
Ligthweight CNN
spellingShingle Ciencias Informáticas
Facial expression recognition
Label distribution learning
Ligthweight CNN
Mastropasqua, Nicolás
Acevedo, Daniel
Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units
topic_facet Ciencias Informáticas
Facial expression recognition
Label distribution learning
Ligthweight CNN
description En este trabajo nos enfocamos en el problema de Facial Expression Recognition (FER) y analizamos el uso de Label Distribution Learning en un modelo de Deep Learning liviano. Hoy en día, la búsqueda de soluciones ‘lightweight’ que logren resultados comparables a modelos de deep learning más robustos ha recibido particular atención debido a su implementación factible en dispositivos móviles. Además, considerandoque la mayoría de los datasets de expresiones faciales suelen venir anotados con emociones categóricas cuando en realidad la mayoría delas expresiones exhibidas en escenarios ‘in the wild’ ocurren como combinaciones o composición de emociones básicas, hacemos uso de LabelDistibution Learning (LDL) como estrategia para el entrenamiento. Asumimos también que las imágenes de expresiones faciales deberían tener una distribución de emoción similar a su vecindad en el espacio de etiquetas de Action Units. Esta información asociada a la distribución delos vecinos es capturada en la función de perdida para guiar el  entrenamiento en LDL y así lograr mejorar los resultados de accuracy sobre el dataset RAFDB.
format Objeto de conferencia
Objeto de conferencia
author Mastropasqua, Nicolás
Acevedo, Daniel
author_facet Mastropasqua, Nicolás
Acevedo, Daniel
author_sort Mastropasqua, Nicolás
title Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units
title_short Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units
title_full Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units
title_fullStr Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units
title_full_unstemmed Reconocimiento de expresiones faciales con redes profundas livianas usando Label Distribution Learning y el espacio de Action Units
title_sort reconocimiento de expresiones faciales con redes profundas livianas usando label distribution learning y el espacio de action units
publishDate 2022
url http://sedici.unlp.edu.ar/handle/10915/151742
https://publicaciones.sadio.org.ar/index.php/JAIIO/article/download/391/329
work_keys_str_mv AT mastropasquanicolas reconocimientodeexpresionesfacialesconredesprofundaslivianasusandolabeldistributionlearningyelespaciodeactionunits
AT acevedodaniel reconocimientodeexpresionesfacialesconredesprofundaslivianasusandolabeldistributionlearningyelespaciodeactionunits
_version_ 1765660011801870336

Ejemplares similares