Earticle

현재 위치 Home

딥러닝 기반 이미지 필터 간 한국인 표정 분류 성능 비교
Comparison of Korean Facial Expression Classification Performance between Deep Learning Based Image Filters

첫 페이지 보기
  • 발행기관
    국제차세대융합기술학회 바로가기
  • 간행물
    차세대융합기술학회논문지 KCI 등재 바로가기
  • 통권
    제6권 5호 (2022.05)바로가기
  • 페이지
    pp.767-774
  • 저자
    송다은, 전동빈, 하태성, 이형원, 김경이
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A412645

※ 기관로그인 시 무료 이용이 가능합니다.

4,000원

원문정보

초록

영어
In this paper, we use a method of extracting facial features by applying edge detection filters to images, rather than a method of classifying conventional facial expressions using facial landmarks. Among the Convolution Neural Network (CNN) structures used for image classification of artificial neural networks, we intend to use the commonly used ResNet and Visual Geometry Group (VGG). It uses 60,000 Korean face data provided by AI Hub and classifies facial expressions. The four expressions that classify are sad, happy, angry, and neutral. The edge detection filter uses a Laplacian filter, a Sobel filter and a Scharr filter, and a Canny edge detection filter. After that, we propose a system that learns preprocessing images from the model, identifies the filter with the highest prediction accuracy for each expression in the test data, and finally combines the results of classifying fine expressions to grasp human psychology.
한국어
본 논문에서는 얼굴 랜드마크를 사용하는 기존의 표정을 분류하는 방법이 아닌 이미지에 가장자리 검출 필터를 적용하여 얼굴 특징을 추출하는 방법을 사용한다. 인공 신경망의 이미지 분류에 사용되는 Convolution Neural Network (CNN) 구조 중 일반적으로 사용되는 Residual Learning Network (ResNet)와 Visual Geometry Group (VGG)를 사용하고자 한다. AI Hub에서 제공하는 한국인 얼굴 데이터 6만 장을 사용하며, 표정을 분류한 다. 분류하는 네 가지 표정은 슬픔, 행복, 분노, 그리고 무표정이다. 가장자리 검출 필터는 라플라시안 필터, 소벨 필터 및 샤르 필터, 캐니 가장자리 검출 필터를 사용한다. 그 후, 전처리 된 이미지를 모델에 학습하고, 테스트 데 이터에서 각 표정별 예측 정확도가 가장 높은 필터를 확인하고, 최종적으로 미세표정을 분류한 결과를 조합해 인 간의 심리를 파악하는 시스템을 제안하고자 한다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 데이터 수집 및 전처리
Ⅴ. 실험 결과
Ⅵ. 결론 및 향후 계획
REFERENCES

키워드

얼굴 표정 분류 CNN VGG ResNet 가장자리 검출 필터 Facial Expression Classification CNN VGG ResNet Edge Detection Filter

저자

  • 송다은 [ Da-Eun Song | 인제대학교 컴퓨터응용과학과 학생 ]
  • 전동빈 [ Dong-Been Jeon | 인제대학교 AI융합로봇학과 학생 ]
  • 하태성 [ Tae-Sung Ha | 인제대학교 컴퓨터응용과학과 학생 ]
  • 이형원 [ Hyung-Won Lee | 인제대학교 컴퓨터응용과학과 교수 ] Corresponding Author
  • 김경이 [ Kyoung-Yee Kim | 인제대학교 컴퓨터응용과학과 교수 ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제차세대융합기술학회 [International Next-generation Convergence technology Association]
  • 설립연도
    2017
  • 분야
    복합학>기술정책
  • 소개
    Ever since next generation convergence technology became one of the most important industries in the nation, computing professionals have encountered a growing number of challenges. Along with scholars and colleagues in related fields, they have gathered in avariety of forums and meetings over the last few decades to share their knowledge, experiences and the outcome of their research. These exchanges have led to the founding of the International Next-generation Convergence technology (INCA) on December 1, 2015. INCA was registered as an incorporated association under the Ministry of Information and Communications. The main purpose of the organization is to improve our society by achieving the highest capability possible in next generation convergence technology.

간행물

  • 간행물명
    차세대융합기술학회논문지 [The Journal of Next-generation Convergence Technology Association]
  • 간기
    월간
  • pISSN
    2508-8270
  • 수록기간
    2017~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 506 DDC 606

이 권호 내 다른 논문 / 차세대융합기술학회논문지 제6권 5호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.