表情認識における差別的特徴の学習のためのアイランドロス

過去数年間、畳み込みニューラルネットワーク（CNN）は顔表情認識において有望な結果を示してきました。しかし、実世界の設定下では、微妙な顔の外観変化、頭部の姿勢変動、照明条件の変化、および遮蔽によって性能が著しく低下する傾向があります。本論文では、深層学習特徴量の識別力を向上させるための新しいアイランド損失（island loss）を提案します。特に、ILはクラス内変動を低減しつつ、クラス間差異を同時に拡大することを目指しています。4つのベンチマーク表情データベースでの実験結果から、提案されたアイランド損失を用いたCNN（IL-CNN）が伝統的なソフトマックス損失またはセンターロスを使用した基準CNNモデルよりも優れた性能を示し、顔表情認識における最先端手法と同等かそれ以上の性能を達成することが確認されました。