Automatic facial expression analysi

Automatic facial expression analysis is an important aspect of human machine interaction as the face is an important communicative medium. We use our face to signal interest, disagreement, intentions or mood through subtle facial motions and expressions. Work on automatic facial expression analysis can roughly be divided into the recognition of prototypic facial expressions such as the six basic emotional states and the recognition of atomic facial muscle actions (action units, AUs). Detection of AUs rather than emotions makes facial expression detection independent of culture-dependent interpretation, reduces the dimensionality of the problem and reduces the amount of training data required. Classic psychological studies suggest that humans consciously map AUs onto the basic emotion categories using a finite number of rules. On the other hand, recent studies suggest that humans recognize emotions unconsciously with a process that is perhaps best modeled by artificial neural networks (ANNs). This paper investigates these two claims. A comparison is made between detection of emotions directly from features vs. a two-step approach where we first detect AUs and use the AUs as input to either a rulebase or an ANN to recognize emotions. The results suggest that the two-step approach is possible with a small loss of accuracy and that biologically inspired classification techniques outperform those that approach the classification problem from a logical perspective, suggesting that biologically inspired classifiers are more suitable for computer-based analysis of facial behavior than logic inspired methods

ผลลัพธ์ (ไทย) 1:

วิเคราะห์สีหน้าอัตโนมัติเป็นข้อมูลด้านต่าง ๆ ที่สำคัญของเครื่องมนุษย์โต้ตอบหน้าเป็น ตัวกลางสื่อสารสำคัญ เราใช้ใบหน้าของเราให้สัญญาณดอกเบี้ย กัน ความตั้งใจ หรืออารมณ์ดังรายละเอียดหน้าและนิพจน์ งานเกี่ยวกับการวิเคราะห์สีหน้าอัตโนมัติสามารถหยาบ ๆ แบ่งออกเป็นการรู้นิพจน์ prototypic ผิวหน้าเช่นอารมณ์พื้นฐานหกรัฐและการรับรู้ของกล้ามเนื้อใบหน้าอะตอมการดำเนินการ (การดำเนินการหน่วย ต.) ตรวจสอบของภาคมากกว่าอารมณ์ทำให้ตรวจจับสีหน้าขึ้นอยู่กับการตีความขึ้นอยู่กับวัฒนธรรม ลด dimensionality ของปัญหา และลดจำนวนข้อมูลการฝึกอบรมที่จำเป็น การศึกษาทางจิตวิทยาคลาสสิกแนะนำว่า มนุษย์สติแผนที่ต.ลงประเภทพื้นฐานอารมณ์โดยใช้จำนวนกฎจำกัด บนมืออื่น ๆ การศึกษาล่าสุดแนะนำว่า มนุษย์รับรู้อารมณ์รับกับกระบวนการที่ดีที่สุดคือบางทีจำลอง โดยเครือข่ายประสาทเทียม (ANNs) กระดาษนี้ตรวจสอบเรียกร้องเหล่านี้สอง ทำการเปรียบเทียบระหว่างของอารมณ์โดยตรงจากคุณสมบัติเทียบกับวิธีการแบบสองขั้นตอนที่เราแรกพบภาค และใช้ภาคที่เป็นอินพุตให้เป็น rulebase หรือแอนเป็นการรับรู้อารมณ์ แนะนำผลลัพธ์ที่ ได้กับการสูญเสียขนาดเล็กของความถูกต้องวิธีการสองขั้นตอน และให้ แรงบันดาลใจชิ้นประเภทเทคนิค outperform ที่วิธีการจัดประเภทปัญหาจากมุมมองทางตรรกะ แนะนำคำนามภาษาแรงบันดาลใจชิ้นเหมาะสำหรับใช้คอมพิวเตอร์วิเคราะห์พฤติกรรมหน้ากว่าตรรกะแรงบันดาลใจจากวิธีการ

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์การแสดงออกทางสีหน้าอัตโนมัติเป็นสิ่งสำคัญของการมีปฏิสัมพันธ์ของมนุษย์เป็นเครื่องใบหน้าเป็นสื่อการสื่อสารที่สำคัญ เราใช้ใบหน้าของเราที่จะส่งสัญญาณที่น่าสนใจไม่เห็นด้วยความตั้งใจหรืออารมณ์ผ่านการเคลื่อนไหวของใบหน้าที่ลึกซึ้งและการแสดงออก งานด้านการวิเคราะห์การแสดงออกทางสีหน้าอัตโนมัติประมาณสามารถแบ่งออกเป็นการรับรู้ของการแสดงออกทางสีหน้าต้นแบบเช่นหกรัฐพื้นฐานทางอารมณ์และการรับรู้การกระทำของกล้ามเนื้อใบหน้าอะตอม (หน่วยการกระทำออสเตรเลีย) การตรวจหา AUS มากกว่าอารมณ์ทำให้การตรวจสอบการแสดงออกทางสีหน้าเป็นอิสระของการตีความวัฒนธรรมขึ้นอยู่กับการลดมิติของปัญหาและลดปริมาณของข้อมูลที่จำเป็นในการฝึกอบรม การศึกษาทางจิตวิทยาคลาสสิกชี้ให้เห็นว่ามนุษย์มีสติแผนที่ AUS บนประเภทอารมณ์ขั้นพื้นฐานโดยใช้จำนวน จำกัด ของกฎระเบียบ ในทางกลับกันการศึกษาล่าสุดชี้ให้เห็นว่ามนุษย์รับรู้อารมณ์โดยไม่รู้ตัวด้วยกระบวนการที่อาจจะเป็นรูปแบบที่ดีที่สุดโดยเครือข่ายประสาทเทียม (ANNs) กระดาษนี้จะสำรวจทั้งสองเรียกร้อง การเปรียบเทียบทำขึ้นระหว่างการตรวจสอบของอารมณ์โดยตรงจากคุณสมบัติเทียบกับวิธีการที่สองขั้นตอนแรกที่เราตรวจสอบ AUS และใช้ AUS เป็น input กับทั้ง rulebase หรือ ANN ที่จะรับรู้อารมณ์ ผลการวิจัยแนะนำว่าวิธีสองขั้นตอนเป็นไปได้กับการสูญเสียเล็ก ๆ ของความถูกต้องและเป็นแรงบันดาลใจทางชีวภาพเทคนิคการจัดหมวดหมู่มีประสิทธิภาพสูงกว่าผู้ที่เข้าถึงปัญหาการจัดหมวดหมู่จากมุมมองเชิงตรรกะบอกว่าลักษณนามแรงบันดาลใจทางชีวภาพมีความเหมาะสมมากสำหรับการวิเคราะห์คอมพิวเตอร์ที่ใช้ในการบำรุงผิวหน้า พฤติกรรมกว่าตรรกะวิธีการรับแรงบันดาลใจ

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์การแสดงออกใบหน้าอัตโนมัติเป็นสิ่งสําคัญของการปฏิสัมพันธ์ของมนุษย์เป็นเครื่องหน้า เป็นสื่อในการสื่อสารที่สำคัญ เราใช้หน้าของเราที่จะส่งสัญญาณดอกเบี้ย ความขัดแย้ง ความตั้งใจ หรือ อารมณ์ ผ่านภาพเคลื่อนไหวใบหน้าบอบบางและการแสดงออกทำงานเกี่ยวกับการวิเคราะห์สีหน้าอัตโนมัติประมาณสามารถแบ่งการรับรู้ของการแสดงออกทางสีหน้า เช่น พื้นฐานทางอารมณ์ prototypic 6 รัฐ และการกระทำของกล้ามเนื้อใบหน้า ( หน่วยปฏิบัติการ AUS ) การตรวจหา AUS กว่าอารมณ์ ทำให้สีหน้าของวัฒนธรรมการตรวจสอบอิสระขึ้นอยู่กับการตีความช่วยลด dimensionality ของปัญหาและช่วยลดปริมาณของการฝึกอบรมข้อมูลที่จําเป็น การศึกษาทางจิตวิทยา คลาสสิค แนะนำให้มนุษย์มีสติบนพื้นฐานแผนที่จากอารมณ์ประเภทโดยใช้จำนวนที่จำกัดของกฎ บนมืออื่น ๆ , การศึกษาล่าสุดแสดงให้เห็นว่ามนุษย์รับรู้อารมณ์โดยไม่รู้ตัว ด้วยกระบวนการที่อาจจะดีที่สุดแบบโครงข่ายประสาทเทียม ( แอนน์ )บทความนี้ศึกษาทั้งสองอ้าง มีการเปรียบเทียบระหว่างตรวจจับอารมณ์โดยตรงจากคุณลักษณะกับสองขั้นตอนแรกที่เราจะตรวจสอบวิธีการอื่นๆ และใช้ AUS เป็น input ทั้งกฎพื้นฐาน หรือ แอนรู้จักอารมณ์พบว่าวิธีการสองขั้นตอนเป็นไปได้กับการสูญเสียขนาดเล็กของความถูกต้องและได้แรงบันดาลใจจากการจำแนกเทคนิคดีกว่าผู้ที่แนวทางการปัญหาจากมุมมองเชิงตรรกะบอกว่าได้แรงบันดาลใจจากคำ เหมาะสำหรับ คอมพิวเตอร์ การวิเคราะห์พฤติกรรมของหน้ามากกว่าวิธีการตรรกะจากแรงบันดาลใจ