要約
顔の表情は、人間のコミュニケーションにおいて重要な役割を果たし、広範な感情を表現する強力で効果的な手段となっています。人工知能とコンピュータビジョンの進歩に伴い、深層ニューラルネットワークが顔表情認識の有効なツールとして登場しました。本論文では、改良されたConvNeXtアーキテクチャに基づく新しい深層学習フレームワークであるEmoNeXtを提案します。空間変換ネットワーク（Spatial Transformer Network: STN）を統合することで、顔の特徴量豊富な領域に焦点を当て、Squeeze-and-Excitationブロックを使用してチャンネル間の依存関係を捉えます。さらに、自己注意正則化項を導入し、モデルがコンパクトな特徴ベクトルを生成することを促進します。FER2013データセットにおける感情分類精度に関して、既存の最先端の深層学習モデルよりも優れた性能を示しています。