用于情绪与性别分类的实时卷积神经网络
计算机视觉与模式识别
2017-10-23 v1 机器人学
摘要
本文提出并实现了一个用于设计实时卷积神经网络(CNN)的通用CNN构建框架。我们通过创建一个实时视觉系统来验证模型，该系统使用我们提出的CNN架构，在一个融合步骤中同时完成人脸检测、性别分类和情绪分类任务。在介绍训练过程设置的细节后，我们在标准基准集上进行评估。在IMDB性别数据集上报告准确率为96%，在FER-2013情绪数据集上为66%。同时，我们还引入了最新的支持实时的引导反向传播可视化技术。引导反向传播揭示了权重变化的动态过程并评估了学习到的特征。我们认为，精心实现现代CNN架构、使用当前的规范化方法以及可视化先前隐藏的特征，对于缩小慢速性能与实时架构之间的差距是必要的。我们的系统已通过部署在RoboCup@Home比赛中使用的Care-O-bot 3机器人上得到验证。所有代码、演示和预训练架构均已在我们的公共仓库中以开源许可证发布。
引用
@article{arxiv.1710.07557,
title = {Real-time Convolutional Neural Networks for Emotion and Gender Classification},
author = {Octavio Arriaga and Matias Valdenegro-Toro and Paul Plöger},
journal= {arXiv preprint arXiv:1710.07557},
year = {2017}
}
备注
Submitted to ICRA 2018