Alleviating Catastrophic Forgetting in Facial Expression Recognition with Emotion-Centered Models

要約

顔の表情認識は機械学習において極めて重要なコンポーネントであり、さまざまなアプリケーションを容易にします。
ただし、畳み込みニューラル ネットワーク (CNN) は、致命的な忘却に悩まされることが多く、適応性が妨げられます。
提案された手法である感情中心生成リプレイ (ECgr) は、敵対的生成ネットワークからの合成画像を統合することでこの課題に取り組みます。
さらに、ECgr には、生成された画像の忠実性を保証する品質保証アルゴリズムが組み込まれています。
この二重のアプローチにより、CNN は新しいタスクを学習しながら過去の知識を保持できるため、感情認識のパフォーマンスが向上します。
4 つの多様な表情データセットに関する実験結果は、擬似リハーサル手法によって生成された画像を組み込むことで、CNN が以前に学習した知識を保持しながら、ターゲット データセットとソース データセットのトレーニングを強化できることを示しています。

要約(オリジナル)

Facial expression recognition is a pivotal component in machine learning, facilitating various applications. However, convolutional neural networks (CNNs) are often plagued by catastrophic forgetting, impeding their adaptability. The proposed method, emotion-centered generative replay (ECgr), tackles this challenge by integrating synthetic images from generative adversarial networks. Moreover, ECgr incorporates a quality assurance algorithm to ensure the fidelity of generated images. This dual approach enables CNNs to retain past knowledge while learning new tasks, enhancing their performance in emotion recognition. The experimental results on four diverse facial expression datasets demonstrate that incorporating images generated by our pseudo-rehearsal method enhances training on the targeted dataset and the source dataset while making the CNN retain previously learned knowledge.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google