ResEmoteNet: 얼굴 감정 인식에서 정확성과 손실 감소를 연결하다

인간의 얼굴은 감정과 생각을 표정을 통해 묵묵히 전달하는 커뮤니케이터입니다. 최근 컴퓨터 비전 기술의 발전으로, 얼굴 감정 인식 기술이 크게 진보하여 기계가 얼굴 신호의 복잡성을 해독할 수 있게 되었습니다. 본 연구에서는 Convolutional, Squeeze-Excitation (SE) 및 Residual Networks를 결합하여 설계된 새로운 딥 러닝 아키텍처인 ResEmoteNet을 제안합니다. SE 블록의 포함은 인간 얼굴의 중요한 특징에 선택적으로 집중하여, 특징 표현을 강화하고 덜 관련된 것을 억제하는 역할을 합니다. 이는 손실을 줄이고 전체 모델 성능을 향상시키는 데 도움이 됩니다. 또한, 데이터의 더 복잡한 표현을 깊은 층에서 학습하도록 돕는 세 개의 잔차 블록과 SE 블록을 통합하였습니다. ResEmoteNet은 FER2013, RAF-DB, AffectNet-7 및 ExpW 네 가지 오픈 소스 데이터베이스에서 평가되었으며, 각각 79.79%, 94.76%, 72.39%, 75.67%의 정확도를 달성하였습니다. 제안된 네트워크는 모든 네 가지 데이터베이스에서 최신 모델들을 능가하는 성능을 보였습니다. ResEmoteNet의 소스 코드는 https://github.com/ArnabKumarRoy02/ResEmoteNet에서 확인할 수 있습니다.