顔認証ネットワークの正則化による疼痛強度回帰

顔表情の強度推定に関する研究では、ラベル付きデータが限られている。例えば、患者が報告した痛みの強度のラベルを持つ小さなデータセットにより、自動的な痛み評価のために深層ネットワークを訓練する能力が制限されている。しかし、顔認証のような大量のデータで事前学習されたドメインからの微調整（fine-tuning）は、この問題を緩和することができる。本論文では、正則化回帰損失と表情ラベル付き追加データを使用して最先端の顔認証ネットワークを微調整するネットワークを提案する。これにより、大量のデータで学習された豊富な特徴表現から顔表情の強度推定タスクが恩恵を受けられる。提案された正則化深層回帰器は、広く使用されているUNBC-McMaster肩痛データセットに適用され、最先进の性能を達成した。また、異なる痛み強度間の不均衡問題に対処するために重み付け評価指標も提案している。