خسارة الجزيرة لتعلم الخصائص التمييزية في تقنيات التعرف على تعبيرات الوجه

خلال السنوات القليلة الماضية، أظهرت شبكات العصب الاصطناعية المتكررة (CNNs) وعودًا في مجال التعرف على تعبيرات الوجه. ومع ذلك، تنخفض الأداء بشكل كبير في الإعدادات الحقيقية بسبب التباينات التي تُحدثها التغيرات الدقيقة في مظهر الوجه، وتغيرات وضع الرأس، والتغيرات في الإضاءة، والتشويش.في هذا البحث، تم اقتراح خسارة جزرية جديدة لتعزيز قوة التمييز للخصائص المُتعلمة بعمق. تحديدًا، صُممت الخسارة الجزرية (IL) لتقليل التباين داخل الفئة بينما تزيد من الاختلاف بين الفئات في الوقت نفسه. وقد أظهرت نتائج التجارب على أربع قواعد بيانات مرجعية للتعبير أن الشبكة العصبية المتكررة مع الخسارة الجزرية المقترحة (IL-CNN) تتفوق على نماذج الشبكات العصبية المتكررة الأساسية باستخدام الخسارة التقليدية softmax أو خسارة المركز، وتحقق أداءً مكافئًا أو أفضل مقارنة بالطرق الأكثر تقدمًا للتعرف على تعبيرات الوجه.