นักวิจัยจาก Jilin Engineering Normal University ในประเทศจีนได้พัฒนารูปแบบเครือข่ายประสาท (CNNS) ใหม่ที่เบากว่า (CNNS) สำหรับการรับรู้การแสดงออกทางสีหน้า
ผลการวิจัยถูกตีพิมพ์ในไฟล์วารสารการถ่ายภาพอิเล็กทรอนิกส์และอธิบายโมเดล (ขึ้นอยู่กับXception) ออกแบบมาเพื่อค้นหาความสมดุลระหว่างความเร็วในการฝึกอบรมการใช้หน่วยความจำและความแม่นยำในการรับรู้
รุ่น Xception รุ่นดั้งเดิมนั้นลึก 71 ชั้นและช่วยให้สามารถโหลดเครือข่ายที่ผ่านการฝึกอบรมมาก่อนได้รับการฝึกฝนมากกว่าหนึ่งล้านภาพจากฐานข้อมูลไบโอเมตริกซ์ ImageNet เครือข่ายที่ผ่านการฝึกอบรมมาก่อนสามารถจำแนกภาพเป็นหมวดหมู่วัตถุหนึ่งพันรายการ
เมื่อเปรียบเทียบกับโมเดล CNN ที่มีอยู่แล้วอย่างไรก็ตามโมเดล Xception ที่ได้รับการปรับปรุงนั้นแตกต่างกันไปตามการใช้ความซับซ้อนที่แยกออกได้อย่างลึกซึ้งนักวิจัยนำดร. เจียเทียนอธิบาย
Convolutions เป็นการดำเนินการหลักที่ดำเนินการในแต่ละชั้นของ CNN ประเภทของความเชื่อมั่นที่ใช้ในการวิจัยของ Tian นั้นแตกต่างจากมาตรฐานหนึ่งเนื่องจากประมวลผลช่องทางต่าง ๆ (เช่น RGB) ของภาพอินพุตอย่างอิสระ จากนั้นจะรวมผลลัพธ์ในตอนท้ายของกระบวนการ
นอกจากนี้โมเดลได้รวมเอาการควบคุมประเภทนี้เข้ากับเทคนิคที่เรียกว่า
“ เราจัดการเพื่อให้ได้รูปแบบที่มีความสามารถในการวางนัยทั่วไปที่ดีโดยมีพารามิเตอร์เพียง 58,000 ตัว” Tian อธิบาย
ตามรายงานการวิจัยโมเดลใหม่ได้รับการทดสอบกับอัลกอริทึมการจดจำใบหน้าอื่น ๆ จำนวนมากในการตั้งค่าห้องเรียน
มีรายงานว่าทุกรุ่นในการทดลองได้รับการฝึกอบรมและทดสอบโดยใช้“ ชุดข้อมูล Cohn-Kanade ที่ขยายออกไป” ซึ่งมีภาพมากกว่า 35,000 ภาพของใบหน้าที่แสดงอารมณ์ทั่วไป
โมเดลที่พัฒนาโดยทีมงานของ Tian แสดงให้เห็นถึงความแม่นยำสูงสุด (72.4 เปอร์เซ็นต์) ในการรับรู้การแสดงออกทางสีหน้าด้วยจำนวนพารามิเตอร์น้อยที่สุด
“ แบบจำลองที่เราพัฒนานั้นมีประสิทธิภาพโดยเฉพาะอย่างยิ่งสำหรับการจดจำการแสดงออกทางสีหน้าเมื่อใช้ชุดข้อมูลตัวอย่างขนาดเล็ก” Tian กล่าว
ก้าวไปข้างหน้านักวิจัยกล่าวว่าทีมตั้งใจที่จะสร้างผลการวิจัยเพื่อปรับปรุงความแม่นยำของระบบต่อไป
“ ขั้นตอนต่อไปในของเราวิจัยคือการเพิ่มประสิทธิภาพสถาปัตยกรรมของโมเดลต่อไปและบรรลุประสิทธิภาพการจำแนกที่ดียิ่งขึ้น” Tian กล่าวสรุป
เทคโนโลยีการจดจำการแสดงออกกำลังพัฒนาอย่างรวดเร็วโดยได้รับแรงหนุนจากประสิทธิภาพที่เพิ่มขึ้นของอัลกอริทึมไบโอเมตริกซ์
ตัวอย่างเช่นในเดือนเมษายน coder สร้างไฟล์อินเทอร์เฟซคอมพิวเตอร์ใหม่การใช้การแสดงออกทางสีหน้าที่ไม่ละเอียดอ่อนเพื่อทำการทดสอบรหัสสัมภาษณ์งานจริงที่เห็นได้ชัด
วันต่อมาApple ถูกฟ้องร้องสำหรับการละเมิดสิทธิบัตรการจดจำการแสดงออกทางสีหน้าสำหรับระบบส่งข้อความ
หัวข้อบทความ
ไบโอเมตริกซ์-การจดจำการแสดงออก-ใบหน้าชีวภาพ-การเรียนรู้ของเครื่องจักร-การวิจัยและพัฒนา
