정규화된 Xception을 이용한 얼굴 표정 인식: 추가 학습 데이터 및 스텝 감소 학습률 적용

얼굴 표정 인식에 대한 광범위한 연구에도 불구하고, 최고 수준의 정확도를 달성하는 것은 여전히 도전 과제로 남아 있다. 본 연구의 목적은 모델의 구조, 사용된 데이터 및 학습 절차를 조정함으로써 기존 모델의 정확도를 향상시키는 것이다. Xception 아키텍처에 정규화(regularization)를 도입하고, 학습 데이터를 증강하며, 스텝 감소(step decay) 학습률을 활용함으로써 현재의 제약 조건을 극복하고 이를 초월하는 성과를 달성하였다. 얼굴 표정 인식(FER2013) 데이터셋을 대상으로 수행한 평가에서, 기존 기법을 뛰어넘는 놀라운 94.34%의 정확도가 입증되었다. 본 연구는 얼굴 표정 인식 시스템의 성능 향상 가능성을 제시하며, 특히 이 분야에서 정확도 향상의 필요성에 부응하는 새로운 방향성을 제시한다.