초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

다양한 형태의 딥러닝 모델이 생기고 그 구조가 고도화되면서 여러 분야에서 좋은 성능을 가진 모델들이 사용되고 있다. 이에 따라 사람의 얼굴 이미지를 통해 감정을 분류하는 감정 인식 분야에도 딥러닝 모델을 적용하는 방법들이 연구 및 활용되고 있다. 하지만 사람의 얼굴 감정 이미지의 특성상 어떤 한 감정으로 정답을 정의하기가 어렵고 감정을 판별하는 기준이 모호해서 다른 분야에서의 분류 모델들과 비교하면 정확도가 비교적 낮다는 특성이 있다.
본 논문에서는 CNN과 SVM의 조합 모델을 활용하여 감정 인식 분야에서 정확도를 향상한 방법을 제안한다. 제안하는 모델은 얼굴 이미지를 입력으로 받는 ...

다양한 형태의 딥러닝 모델이 생기고 그 구조가 고도화되면서 여러 분야에서 좋은 성능을 가진 모델들이 사용되고 있다. 이에 따라 사람의 얼굴 이미지를 통해 감정을 분류하는 감정 인식 분야에도 딥러닝 모델을 적용하는 방법들이 연구 및 활용되고 있다. 하지만 사람의 얼굴 감정 이미지의 특성상 어떤 한 감정으로 정답을 정의하기가 어렵고 감정을 판별하는 기준이 모호해서 다른 분야에서의 분류 모델들과 비교하면 정확도가 비교적 낮다는 특성이 있다.
본 논문에서는 CNN과 SVM의 조합 모델을 활용하여 감정 인식 분야에서 정확도를 향상한 방법을 제안한다. 제안하는 모델은 얼굴 이미지를 입력으로 받는 CNN 모델과 Valence와 Arousal 값을 입력으로 받는 SVM 모델을 결합한 모델이다. 8가지 종류의 감정과 Valence, Arousal 값이 레이블링 된 이미지들로 구성된 AffectNet 데이터셋을 학습과 검증에 사용했으며, 검증에서는 8가지 감정에 대한 분류 정확도를 평가 기준으로 제시했다. CNN 모델로는 EfficientNet을 사용하였으며 AffectNet 데이터셋 중 30,000장을 CNN, SVM 모델 학습에 사용했고 3,999장을 정확도 검증에 사용했다. 제안하는 조합 모델은 단일 CNN 모델보다 높은 분류 정확도를 가졌다. 또한, AffectNet 데이터셋에 관한 기존 연구들에 비해 뛰어난 성능을 보였으며, 본 논문에서 제안하는 조합 모델을 활용할 경우 의미 있는 수준의 분류 정확도를 가진다고 볼 수 있다.

주제어