هرم مع تحسين الدقة لاعتراف بالتعبيرات الوجهية في البيئات الطبيعية
{Soo-Hyung Kim Hyung-Jeong Yang Guee-Sang Lee Thanh-Hung Vo}
الملخص
تمثّل إعادة التعرف على التعبيرات الوجهية (FER) مهمةً صعبةً تُسهم في تحسين التفاعل الطبيعي بين الإنسان والآلة. يركّز هذا البحث على إعادة التعرف التلقائية على التعبيرات الوجهية في صورة واحدة من نوع "في البيئة الحقيقية" (ITW). تعاني الصور من مشكلات حقيقية تتعلق بزوايا الرؤية، واتجاه الوجه، ودقة الإدخال. في هذه الدراسة، نقترح بنية شبكة تُسمى "الهرم ذات التحسين العالي (PSR)" لحل مهمة FER في الصور من نوع ITW. كما نقدّم دالة خسارة تُسمى "تنعيم التسمية باستخدام توزيع مسبق (PDLS)"، التي تُطبّق معرفة مسبقة إضافية حول الالتباس الناتج عن كل تعبير في مهمة FER. أظهرت التجارب على ثلاث من أشهر مجموعات بيانات FER في البيئة الحقيقية أن نهجنا يتفوق على جميع الطرق المتطورة حديثًا.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| facial-expression-recognition-on-affectnet | PSR (VGG-16) | Accuracy (7 emotion): - Accuracy (8 emotion): 60.68 |
| facial-expression-recognition-on-raf-db | PSR | Overall Accuracy: 88.98 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.