정보과학회논문지 (Journal of KIISE)
Current Result Document :
| 한글제목(Korean Title) |
Channel Attention과 그룹 컨볼루션을 이용한 효율적인 얼굴 감정인식 CNN |
| 영문제목(English Title) |
Efficient CNNs with Channel Attention and Group Convolution for Facial Expression Recognition |
| 저자(Author) |
이명오
윤의녕
고승현
조근식
MyeongOh Lee
Ui Nyoung Yoon
Seunghyun Ko
Geun-Sik Jo
|
| 원문수록처(Citation) |
VOL 46 NO. 12 PP. 1241 ~ 1248 (2019. 12) |
한글내용
(Korean Abstract) |
최근 얼굴 표정에서 감정을 인식하기 위한 문제에서 컨볼루션 신경망을 이용한 연구가 활발히 진행되고 있다. 본 논문에서는 사람의 얼굴 표정에서 나타나는 감정을 인식하기 위해 사용하는 딥 컨볼루션 신경망의 모델 복잡도(Complexity) 문제점을 해결한 효율적인 컨볼루션 신경망을 제안한다. 본 논문에 서는 모델의 복잡도를 줄이기 위해 그룹 컨볼루션, 깊이별 분리 컨볼루션을 사용하여 파라미터 수와 연산량을 감소시키고 특징 연결을 위한 Skip Connection과 Channel Attention을 사용하여 특징의 재사용성과 채널 정보를 강화하였다. 제안하는 모델의 학습 파라미터 개수는 0.39 M(Million), 0.41 M으로 기존 모델에 비해 4배 이상 적은 수의 파라미터를 사용하여 FER2013, RAF-single 데이터셋에서 각각 70.32%, 85.23%의 정확도를 달성하였다.
|
영문내용
(English Abstract) |
to recognize emotions from facial expressions. In this paper, we propose an efficient convolutional neural network that solves the model complexity problem of the deep convolutional neural network used to recognize the emotions in facial expression. To reduce the complexity of the model, we used group convolution, depth-wise separable convolution to reduce the number of parameters, and the computational cost. We also enhanced the reuse of features and channel information by using Skip Connection for feature connection and Channel Attention. Our method achieved 70.32% and 85.23% accuracy on FER2013, RAF-single datasets with four times fewer parameters (0.39 Million, 0.41 Million) than the existing model.
|
| 키워드(Keyword) |
얼굴 감정인식
컨볼루션 신경망
그룹 컨볼루션
깊이별 분리 컨볼루션
채널 어텐션
facial expression recognition
efficient cnn
group convolution
depth-wise separable convolution
channel attentio
|
| 파일첨부 |
PDF 다운로드
|
