지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2021.7
- 수록면
- 880 - 889 (10page)
이용수
초록· 키워드
오류제보하기
In everyday life, recognizing people"s emotions from their frames is essential and is a popular research domain in the area of computer vision. Visual emotion has a severe class imbalance in which most of the data are distributed in specific categories. The existing methods do not consider class imbalance and used accuracy as the performance metric, which is not suitable for evaluating the performance of the imbalanced dataset. Therefore, we proposed a method for recognizing visual emotion using balanced data augmentation to address the class imbalance. The proposed method generates a balanced dataset by adopting the random over-sampling and image transformation methods. Also, the proposed method uses the Focal loss as a loss function, which can mitigate the class imbalance by down weighting the well-classified samples. EfficientNet, which is the state-of-the-art method for image classification is used to recognize visual emotion. We compare the performance of the proposed method with that of conventional methods by using a public dataset. The experimental results show that the proposed method increases the F1 score by 40% compared with the method without data augmentation, mitigating class imbalance without loss of classification accuracy.
목차
ABSTRACT
1. 서론
2. 관련 연구
3. 균형 잡힌 데이터 증강 기반 영상 감정 분류 방법
4. 실험 결과
5. 결론
REFERENCE
참고문헌 (27)
참고문헌 신청
S. Dodge and L. Karam, “A Study and Comparison of Human and Deep Learning Recognition Performance under Visual Distortions,” Proceedings of the International Conference on Computer Communications and Networks, pp. 1-7, 2017.
H. Bae and O. Kwon, “Untact Face Recognition System Based on Super-Resolution in Low-Resolution Images,” Journal of Korea Multimedia Society, Vol. 23, No. 3, pp. 412-420, 2020.
J. Kim, S. Jung, and C. Sim, “A Study on Object Detection using Restructured Retina Net,” Journal of Korea Multimedia Society, Vol. 23, No. 12, pp. 1531-1539, 2020.
R. Panda, J. Zhang, H. Li, J.-Y. Lee, X. Lu, and A. K. Roy-Chowdhury, “Contemplating Visual Emotions: Understanding and Overcoming Dataset Bias,” Proceedings of the European Conference on Computer Vision, pp. 594-612, 2018.
W. Hua, F. Dai, L. Huang, J. Xiong, and G. Gui, “Hero: Human Emotions Recognition for Realizing Intelligent Internet of Things,” IEEE Access, Vol. 7, pp. 24321-24332, 2019.
H. Bae and O. Kwon, “Untact Face Recognition System Based on Super-Resolution in Low-Resolution Images,” Journal of Korea Multimedia Society, Vol. 23, No. 3, pp. 412-420, 2020.
J. Kim, S. Jung, and C. Sim, “A Study on Object Detection using Restructured Retina Net,” Journal of Korea Multimedia Society, Vol. 23, No. 12, pp. 1531-1539, 2020.
R. Panda, J. Zhang, H. Li, J.-Y. Lee, X. Lu, and A. K. Roy-Chowdhury, “Contemplating Visual Emotions: Understanding and Overcoming Dataset Bias,” Proceedings of the European Conference on Computer Vision, pp. 594-612, 2018.
W. Hua, F. Dai, L. Huang, J. Xiong, and G. Gui, “Hero: Human Emotions Recognition for Realizing Intelligent Internet of Things,” IEEE Access, Vol. 7, pp. 24321-24332, 2019.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
클래스 불균형 문제가 있는 다중클래스 텍스트 분류에서의 특징 선택 방법
대한산업공학회지
2019 .04
-
어류 질병 증상 분류 시 클래스별 데이터 불균형 문제 극복을 위한 방안 연구
대한전자공학회 학술대회
2024 .06
-
"Image-to-Image Translation with GAN for Synthetic Data Augmentation in Plant Disease Datasets "
스마트미디어저널
2019 .01
-
Facial Emotion Recognition Data Augmentation using Generative Adversarial Network
Journal of KIISE
2021 .04
-
객체 수준 데이터 증강을 활용한 딥러닝 기반의 강판 표면 결함 검출
대한산업공학회지
2022 .08
-
Class-Balanced Loss를 이용한 이미지 분류
한국방송미디어공학회 학술발표대회 논문집
2022 .11
-
객체 탐지 모델에서의 데이터 불균형 해소를 위한 방법
대한전자공학회 학술대회
2023 .06
-
Focal Loss 를 활용한 Deep Learning 기반 화학 공정 이상 진단의 Class Imbalance 문제 해결
제어로봇시스템학회 국내학술대회 논문집
2024 .07
-
Overfit+:모델의 과적합 특성을 이용한 발전된 레이블 노이즈 탐지
대한전자공학회 학술대회
2021 .06
-
Convolutional Neural Network Model Using Data Augmentation for Emotion AI-based Recommendation Systems
한국컴퓨터정보학회논문지
2023 .12
-
영상 내 물체 검출 및 분류를 위한 소규모 데이터 확장 기법
로봇학회 논문지
2020 .06
-
데이터 증강기법 기반의 강건한 건선 중증도 분류 연구
전기학회논문지
2022 .12
-
A modified AdaBoost with SVM for relaxing class imbalance problem
대한산업공학회 춘계공동학술대회 논문집
2015 .04
-
DA-FSL을 이용한 성별 검출 모델의 학습 데이터 클래스 불균형 개선 방법
대한전자공학회 학술대회
2020 .08
-
감성 메쉬 기반의 완화 감성 매칭을 이용한 분위기 제안 프레임워크
한국컴퓨터정보학회논문지
2018 .08
-
비언어적 소리 데이터 분류 모델의 성능 개선 방안 연구
대한전자공학회 학술대회
2024 .11
-
감정의 긍정적인 변화를 위한 음성 및 표정을 통한 감정인식
제어로봇시스템학회 국내학술대회 논문집
2021 .06
-
유사 감정 음성의 감정 분류를 위한 최적의 특징 벡터 선택
전기학회논문지
2023 .10
-
클래스 별 손실 함수 통합하여 데이터 불균형에 강건한 모델 학습 방법
한국정보과학회 학술발표논문집
2022 .12
-
대화문 감정 연관성 기반 복합 감정인식 모델
멀티미디어학회논문지
2025 .02
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2021-004-001928563