$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

딥러닝기반 감정인식에서 데이터 불균형이 미치는 영향 분석
Effect Analysis of Data Imbalance for Emotion Recognition Based on Deep Learning 원문보기

정보처리학회논문지. KIPS transactions on computer and communication systems 컴퓨터 및 통신 시스템, v.12 no.8, 2023년, pp.235 - 242  

노하진 (숙명여자대학교 IT공학과) ,  임유진 (숙명여자대학교 인공지능공학부)

초록
AI-Helper 아이콘AI-Helper

최근 들어 영유아를 대상으로 한 비대면 상담이 증가함에 따라 감정인식 보조 도구로 CNN기반 딥러닝 모델을 많이 사용하고 있다. 하지만 대부분의 감정인식 모델은 성인 데이터 위주로 학습되어 있어 영유아 및 청소년을 대상으로 적용하기에는 성능상의 제약이 있다. 본 논문에서는 이러한 성능제약의 원인을 분석하기 위하여 XAI 기법 중 하나인 LIME 기법을 통해 성인 대비 영유아와 청소년의 감정인식을 위한 얼굴 표정의 특징을 분석한다. 뿐만 아니라 남녀 집단에도 동일한 실험을 수행함으로써 성별 간 얼굴 표정의 특징을 분석한다. 그 결과로 연령대별 실험 결과와 성별별 실험 결과를 CNN 모델의 사전 훈련 데이터셋의 데이터 분포를 바탕으로 설명하고 균형 있는 학습 데이터의 중요성을 강조한다.

Abstract ▼ AI-Helper 아이콘AI-Helper

In recent years, as online counseling for infants and adolescents has increased, CNN-based deep learning models are widely used as assistance tools for emotion recognition. However, since most emotion recognition models are trained on mainly adult data, there are performance restrictions to apply th...

주제어

#데이터 불균형   #감정인식  

표/그림 (12)

참고문헌 (16)

  1. Q. Lin, R. He, and P. Jiang, "Feature guided CNN for Baby's？facial expression recognition," Hindawi Complexity, Vol.？2020, pp.1-10, 2020. 

  2. V. LoBue and C. Thrasher, "The Child Affective Facial？Expression (CAFE) set: Validity and reliability from untrained adults," Frontiers in Psychology, Vol.5, pp.1-8,？2015. 

  3. The Child Affective Facial Expression (CAFE) Set. Databrary, http://doi.org/10.17910/B7301K. 

  4. H. L. Egger, D. S. Pine, E. Nelson, E. Leibenluft, M. Ernst,？K. E. Towbin, and A. Angold, "The NIMH Child Emotional？Faces Picture Set (NIMH-ChEFS): A new set of children's？facial emotion stimuli," International Journal of Methods？in Psychiatric Research, Vol.20, No.3, pp.145-156, 2011. 

  5. H. Noh and Y. Lim, Proceedings of the Annual Conference？of Korea Information Processing Society Conference？(KIPS) 2022, Vol.29, No.2, pp.700-702, 2022. 

  6. H. Jung et al., "Development of deep learning-based facial？expression recognition system," 2015 21st Korea-Japan？Joint Workshop on Frontiers of Computer Vision (FCV),？Mokpo, Korea (South), pp.1-4, 2015. 

  7. A. Fathallah, L. Abdi, and A. Douik, "Facial expression？recognition via deep learning," 2017 IEEE/ACS 14th International Conference on Computer Systems and Applications (AICCSA), Hammamet, Tunisia, pp.745-750, 2017. 

  8. A. Mollahosseini, D. Chan, and M. H. Mahoor, "Going？deeper in facial expression recognition using deep neural？networks," 2016 IEEE Winter Conference on Applications？of Computer Vision (WACV), Lake Placid, NY, USA, pp.？1-10, 2016. 

  9. D. K. Jain, P. Shamsolmoali, and P. Sehdev, "Extended？deep neural network for facial emotion recognition,"？Pattern Recognition Letters, Vol.120, pp.69-74, 2019. 

    상세보기

  10. R. A. Khan, A. Crenn, A. Meyer, and S. Bouakaz, "A novel？database of children's spontaneous facial expressions？(LIRIS-CSE)," Image and Vision Computing, Vol.83-84, pp.？61-69, 2019. 

  11. T. A. Araf, A. Siddika, S. Karimi, and M. G. R. Alam,？"Real-time face emotion recognition and visualization？using Grad-CAM," International Conference on Advances？in Electrical, Computing, Communication and Sustainable？Technologies, Bhilai, India, pp.21-22, 2022. 

  12. M. Rathod et al., "Kids' Emotion Recognition Using？Various Deep-Learning Models with Explainable AI,"？Sensors (Basel), Vol.22, No.20, pp.8066, 2022. 

  13. M. Deramgozin, S. Jovanovic, H. Rabah, and N. Ramzan,？"A hybrid explainable ai framework applied to global and？local facial expression recognition," IEEE International Conference on Imaging Systems and Techniques, Kaohsiung,？Taiwan, pp.24-26, 2021. 

  14. C. Manresa-Yee and S. Ramis, "Assessing gender bias in？predictive algorithms using eXplainable AI", XXI International Conference on Human Computer Interaction,？Malaga Spain, pp.22-24, 2021. 

  15. HSEmotion (High-Speed face Emotion recognition) library？[Internet], https://github.com/HSE-asavchenko/face-emotion-recognition. 

  16. Q. Cao, L. Shen, W. Xie, O. M. Parkhi, and A. Zisserman,？"VGGFace2: A dataset for recognising faces across pose？and age," 2018 13th IEEE International Conference on？Automatic Face & Gesture Recognition (FG 2018), Xi'an,？China, pp.67-74, 2018.？ 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로