CNN의 점진적인 미세조정을 이용한 얼굴 표정 인식
Facial Expression Recognition Using Progressive Fine-Tuning of CNN
- 주제(키워드) Convolution Neural Network , Fine-tuning , Ensemble method
- 발행기관 서강대학교 영상대학원
- 지도교수 이상욱
- 발행년도 2018
- 학위수여년월 2018. 8
- 학위명 석사
- 학과 및 전공 영상대학원 영상공학예술공학
- 실제URI http://www.dcollection.net/handler/sogang/000000063352
- UCI I804:11029-000000063352
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문은 Convolution Neural Network(CNN)의 점진적인 미세 조정을 이용한 얼굴 표정 인식에 관한 연구이다. 얼굴 표정 인식은 미래에 로봇과 사람이 소통하거나 서비스를 제공할 때 필요한 기술이라고 할 수 있다. 얼굴 표정 인식이 어려운 이유로는 사람마다 조금씩 다른 얼굴 생김새나 감정을 표현하는 정도의 차이에 따라 표정 구분이 어려운 점이 있어 얼굴 표정 이미지로부터 얼굴의 특징을 찾아 분류하는 얼굴 표정 인식을 위한 많은 연구가 진행되어 오고 있다. 최근에 이미지를 통하여 특징을 학습하는 딥 러닝 방식을 이용한 많은 연구가 진행되어오고 있으며 딥 러닝 모델 중 이미지 인식 처리에 좋은 성능을 보여주고 있는 CNN을 이용하여 얼굴 표정 인식을 연구해 오고 있었다. 본 논문에서는 얼굴인식을 위해 학습된 VGG-Face 모델을 이용하여 점진적 미세 조정을 통한 5가지 모델을 구성하고, 5가지 모델에서 나오는 결과를 평균 내는 앙상블 방법을 통한 얼굴 표정 인식 방법을 제안한다. 제안한 방법을 이용하여 단일 데이터베이스 평가 방식이 아닌 교차 데이터베이스 평가 방법을 통하여 Cohn-Kanade(CK+) 데이터베이스는 94.82%, Karolinska Directed Emotional Faces(KDEF) 데이터베이스는 90.59%, Japanese Female Facial Expression(JAFFE) 데이터베이스는 52.11%의 인식률을 얻었다.
more초록/요약
This paper is presents a facial expression recognition using progressive fine-tuning of CNN. Facial expression recognition is important technology for communication or service between robots and people in the future. It is difficult to distinguish facial expressions depending on differences in facial features or emotions. Recently, there has been active research in this field, with Convolution Neural Network(CNN) for feature extraction and inference. In this paper, I propose a method of facial expression recognition using the progressive fine-tuning and ensemble method. The proposed method achieves 94.82% recognition rate for Cohn-Kanade (CK+) database, 90.59% recognition rate for Karolinska Directed Emotional Faces (KDEF) database, and 52.11% recognition rate for Japanese Female Facial Expression (JAFFE) database.
more