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...
Guardado en:
Autores principales: | , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2022
|
Materias: | |
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: |
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 |