FaceNet2ExpNet: 딥 페이스 인식 네트워크를 표정 인식을 위해 정규화하기

표현 인식 연구에 사용 가능한 상대적으로 작은 데이터 세트는 표현 인식을 위한 딥 네트워크의 훈련을 매우 어렵게 만듭니다. 미세 조정(fine-tuning)은 이 문제를 부분적으로 완화할 수 있지만, 성능은 여전히 ​​수용 가능한 수준 아래에 머물러 있습니다. 이는 딥 특징이 사전 학습된 도메인에서 중복 정보를 포함할 가능성이 높기 때문입니다. 본 논문에서는 정적 이미지를 기반으로 한 표현 인식 네트워크를 훈련시키는 새로운 아이디어인 FaceNet2ExpNet을 제시합니다. 먼저, 표현 네트워크의 고차원 뉴런을 모델링하기 위한 새로운 분포 함수를 제안합니다. 이를 바탕으로 두 단계 훈련 알고리즘이 철저히 설계되었습니다. 사전 훈련 단계에서는 얼굴 네트워크(face net)에 의해 규제되는 표현 네트워크(expression net)의 컨벌루션 계층을 훈련시킵니다. 개선 단계에서는 사전 학습된 컨벌루션 계층에 완전 연결 계층(fully-connected layers)을 추가하여 전체 네트워크를 공동으로 훈련시킵니다. 시각화 결과는 우리의 방법으로 훈련된 모델이 개선된 고차원 표현 의미론(semantics)을 포착함을 보여줍니다. CK+, Oulu-CASIA, TFD, 그리고 SFEW라는 네 가지 공개 표현 데이터베이스에서의 평가 결과, 우리의 방법이 최신 기술(state-of-the-art)보다 더 우수한 결과를 달성하였음을 입증하였습니다.