검색 기능은 준비 중입니다.
검색 기능은 준비 중입니다.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Prior Information Based Decomposition and Reconstruction Learning for Micro-Expression Recognition 미세 표현 인식을 위한 사전 정보 기반 분해 및 재구성 학습

Jinsheng WEI, Haoyu CHEN, Guanming LU, Jingjie YAN, Yue XIE, Guoying ZHAO

  • 조회수

    0

  • 이것을 인용

요약 :

미세 표현 인식(MER)은 미세 표현(ME)이 실제 감정을 추론할 수 있기 때문에 집중적인 연구 관심을 끌고 있습니다. 사전 정보는 모델이 차별적인 ME 기능을 효과적으로 학습하도록 안내할 수 있습니다. 그러나 대부분의 연구는 ME의 사전 정보와 속성을 무시할 수 있는 전체적인 방식으로 ME 이동 정보를 적응적으로 집계하는 더 강력한 표현 능력을 갖춘 일반 모델을 연구하는 데 중점을 둡니다. 이 문제를 해결하기 위해 ME의 범주가 얼굴의 다양한 구성 요소 동작 사이의 관계에 의해 추론될 수 있다는 사전 정보를 기반으로 이 작업은 이 사전 정보를 준수하고 해석 가능한 방식으로 ME 움직임 특징을 학습할 수 있는 새로운 모델을 설계합니다. 방법. 구체적으로 본 논문에서는 높은 수준의 ME 특성을 효과적으로 학습하기 위한 DeRe-GRL(Decomposition and Reconstruction-based Graph Representation Learning) 모델을 제안합니다. DeRe-GRL에는 ADM(Action Decomposition Module)과 RRM(Relation Reconstruction Module)이라는 두 가지 모듈이 포함되어 있습니다. 여기서 ADM은 안면 키 구성 요소의 동작 기능을 학습하고 RRM은 이러한 동작 기능 간의 관계를 탐색합니다. ADM은 얼굴 주요 구성 요소를 기반으로 그래프 모델 기반 백본에서 추출한 기하학적 움직임 특징을 여러 하위 특징으로 나누고 맵 매트릭스를 학습하여 이러한 하위 특징을 여러 동작 특징으로 매핑합니다. 그런 다음 RRM은 모든 작업 기능에 가중치를 부여하여 작업 기능 간의 관계를 구축하는 가중치를 학습합니다. 실험 결과는 제안된 모듈의 효율성을 입증했으며, 제안된 방법은 경쟁력 있는 성능을 달성했습니다.

발행
IEICE TRANSACTIONS on Information Vol.E106-D No.10 pp.1752-1756
발행일
2023/10/01
공개일
2023/07/13
온라인 ISSN
1745-1361
DOI
10.1587/transinf.2022EDL8065
원고의 종류
LETTER
범주
이미지 처리 및 비디오 처리

작성자

Jinsheng WEI
  Nanjing University of Posts and Telecommunications
Haoyu CHEN
  Oulu of University
Guanming LU
  Nanjing University of Posts and Telecommunications
Jingjie YAN
  Nanjing University of Posts and Telecommunications
Yue XIE
  Nanjing Institute of Technology
Guoying ZHAO
  Oulu of University

키워드