PAtt-Lite: 도전적인 얼굴 표정 인식을 위한 경량 패치 및 어텐션 MobileNet

얼굴 표정 인식(Facial Expression Recognition, FER)은 인간의 얼굴 표정을 인식하는 기계 학습 문제로, 최근 몇 년간 성능 향상이 이루어졌지만, 실제 환경(인식 조건이 어려운 상황)에서의 FER는 여전히 도전 과제로 남아 있다. 본 논문에서는 어려운 조건 하에서도 FER 성능을 향상시키기 위해 MobileNetV1 기반의 경량 패치 및 어텐션 네트워크인 PAtt-Lite를 제안한다. 제안된 방법의 백본 특징 추출기로는 ImageNet 전처리된 MobileNetV1의 일부 계층을 자르는 방식을 활용하며, 이 자른 계층 대신 중요한 국소적 얼굴 특징을 추출하기 위한 패치 추출 블록을 도입한다. 이는 특히 어려운 조건에서 MobileNetV1의 특징 표현력을 강화하는 데 기여한다. 또한, 매우 경량화된 특징 추출기로부터 생성된 패치 특징 맵을 더 효과적으로 학습할 수 있도록 어텐션 기반 분류기(attention classifier)를 추가로 제안한다. 공개 기준 데이터베이스에서 수행한 실험 결과를 통해 제안된 방법의 유효성이 입증되었으며, PAtt-Lite는 CK+, RAF-DB, FER2013, FERPlus 및 RAF-DB와 FERPlus의 어려운 조건 하 하위 데이터셋에서 최신 기술(SOTA) 수준의 성능을 달성하였다.