用IDenseNet-RCAformer改善自闭症的面部表情识别,在闭塞下进行识别
1Department of Computer Science and Engineering, Sethu Institute of Technology, Virudhunagar, Tamil Nadu, India.
概括
这项研究引入了一种新的方法,用于识别患有自闭症谱系障碍的人的面部表情,即使面部有遮. IDenseNet-RCAformer系统实现了98.95%的准确性,大大改善了现有的方法来完成这一具有挑战性的任务.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 面部表情识别 (FER) 对于社交互动至关重要,但准确性会随着眼镜或面部毛发等闭塞而下降.
- 患有自闭症谱系障碍 (ASD) 的人经常在理解和表达情绪方面面临挑战,这使得准确的FER对他们至关重要.
- 现有的FER系统正在与部分面部遮作斗争,特别是在ASD的背景下.
研究的目的:
- 开发面部表情识别 (FER) 的先进框架,有效处理自闭症谱系障碍 (ASD) 患者的部分闭塞.
- 提高FER系统对神经发育障碍的准确性和效率,其特征是社会交互障碍.
- 引入一种新的深度学习模型,即基于Improved DenseNet的剩余交叉注意力变压器 (IDenseNet-RCAformer),以在具有挑战性的条件下实现强大的FER.
主要方法:
- 提出了一种新的IDenseNet-RCAformer系统,将Inception-ResNet-V2集成为本地功能和跨注意力变压器集成为全球功能.
- 使用FusionNet方法提取和融合特征,以提高训练速度和精度.
- 使用预处理技术和基于热图的地标预测的argmax函数来优化识别效率.
主要成果:
- 拟议的IDenseNet-RCAformer系统在自闭症患者的部分封闭面部的面部表情识别方面表现出卓越的性能.
- 该系统在四个面部表情数据集上实现了98.95%的高准确率.
- 实验结果表明,IDenseNet-RCAformer显著优于之前的面部表情识别框架.
结论:
- IDenseNet-RCAformer系统在解决自闭症谱系障碍患者面部表情识别与闭塞的挑战方面取得了重大进展.
- 与现有的FER框架相比,拟议的方法为这一特定人群提供了更准确和更有效的解决方案.
- 这项研究有助于通过改进的情绪识别技术,更好地理解并潜在地帮助ASD个体的社交互动.
关键词:
IDenseNet-RCAformerformer 提供了更多的信息.开始-ResNet-V2 开始-ResNet-V2自闭症患者的自闭症患者交叉注意力变压器变压器面部表情识别 面部表情识别改善了DenseNet的使用情况.标志性地标的定位定位部分闭塞部分闭塞更多相关视频
07:12Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
9.4K
05:48Author Spotlight: Investigating the Impact of Emotional Prosodies on Voice Recognition and Perception
Published on: August 9, 2024
1.4K
