A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

A Novel Transferable Sparse Regression Method for Cross-Database Facial Expression Recognition Um novo método de regressão esparsa transferível para reconhecimento de expressão facial em bancos de dados cruzados

Wenjing ZHANG, Peng SONG, Wenming ZHENG

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Nesta carta, propomos um novo método de regressão esparsa transferível (TSR), para reconhecimento de expressões faciais (FER) entre bancos de dados. No TSR, apresentamos primeiro uma nova função de regressão para regredir os dados para um espaço de representação latente em vez de um espaço de rótulo binário estrito. Para aliviar ainda mais a influência de outliers e overfitting, impomos uma restrição de esparsidade de linhas no termo de regressão. E um termo de relação de pares é introduzido para orientar o aprendizado de transferência de recursos. Em segundo lugar, projetamos um gráfico global para transferir conhecimento, que pode preservar a estrutura múltipla entre bancos de dados. Além disso, introduzimos uma restrição de baixa classificação no termo de regularização do gráfico para descobrir informações estruturais adicionais. Finalmente, vários experimentos são conduzidos em três bancos de dados populares de expressões faciais, e os resultados validam que o método TSR proposto é superior a outros métodos de aprendizagem por transferência profunda e não profunda.

Publicação
IEICE TRANSACTIONS on Information Vol.E105-D No.1 pp.184-188
Data de publicação
2022/01/01
Publicitada
2021/10/12
ISSN online
1745-1361
DOI
10.1587/transinf.2021EDL8062
Tipo de Manuscrito
LETTER
Categoria
Reconhecimento de imagem, visão computacional

autores

Wenjing ZHANG
  Yantai University
Peng SONG
  Yantai University
Wenming ZHENG
  Southeast University

Palavra-chave