CorrLoss: Integrating Co-Occurrence Domain Knowledge for Affect Recognition

要約

ニューラル ネットワークは広く採用されていますが、ドメイン知識の統合はまだ十分に活用されていません。
感情認識のためのニューラル ネットワークのトレーニングを強化するために、同時発生する顔の動きに関するドメイン知識を損失関数の制約として統合することを提案します。
共起パターンはデータセット間で似ている傾向があるため、この方法を適用すると、モデルの一般化可能性が高くなり、オーバーフィッティングのリスクが低くなります。
さまざまなデータセットのクロスデータセット テストでパフォーマンスの向上を示すことで、これを実証します。
また、ニューラルネットワークをさまざまな表情にキャリブレーションするための方法の適用性も示します。

要約(オリジナル)

Neural networks are widely adopted, yet the integration of domain knowledge is still underutilized. We propose to integrate domain knowledge about co-occurring facial movements as a constraint in the loss function to enhance the training of neural networks for affect recognition. As the co-ccurrence patterns tend to be similar across datasets, applying our method can lead to a higher generalizability of models and a lower risk of overfitting. We demonstrate this by showing performance increases in cross-dataset testing for various datasets. We also show the applicability of our method for calibrating neural networks to different facial expressions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google