적대적 생성 신경망을 이용한 얼굴 감정인식 데이터 증강 (Facial Emotion Recognition Data Augmentation using Generative Adversarial Network)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 48권 / 4호 / 398 ~ 404페이지
· 저자명 : 김진용, 조근식

초록

컴퓨터 비전의 얼굴 감정인식 분야는 딥러닝의 다양한 신경망을 통해 최근 의미있는 행보를 보이고 있다. 그러나 주요하게 사용되는 데이터셋들은 “클래스 불균형”이라는 문제를 안고 있고 이는 딥러닝 모델의 정확도를 하락시키는 요인이 된다. 그러므로 클래스 불균형이라는 문제를 해소하기 위한 연구들이 활발하게 진행되고 있다. 본 논문에서는 얼굴 감정인식 데이터셋으로 사용되는 FER2013, RAF_single 데이터셋의 클래스 불균형을 해소하기 위해 적대적 생성 신경망을 이용한 얼굴 감정인식 데이터 증강 모델인 “RDGAN”을 제안한다. RDGAN은 기존 이미지 간 변환을 위한 적대적 생성 신경망을 바탕으로 표현 판별자를 추가하여 기존 연구보다 클래스에 적합한 이미지를 생성 및 변환하는 네트워크이다. RDGAN으로 증강된 데이터셋은 데이터 증강을 하지 않은 데이터셋과 비교하여 FER2013과 RAF_single에서 각각 평균 4.805%p, 0.857%p의 성능 향상을 보였다.

영어초록

The facial emotion recognition field of computer vision has recently been identified to demonstrate meaningful results through various neural networks. However, the major datasets of facial emotion recognition have the problem of "class imbalance," which is a factor that degrades the accuracy of deep learning models. Therefore, numerous studies have been actively conducted to solve the problem of class imbalance. In this paper, we propose "RDGAN," a facial emotion recognition data augmentation model that uses a GAN to solve the class imbalance of the FER2013 and RAF_single that are used as facial emotion recognition datasets. RDGAN is a network that generates images suitable for classes by adding expression discriminators based on the image-to-image translation model between the existing images as compared to the prevailing studies. The dataset augmented with RDGAN showed an average performance improvement of 4.805%p and 0.857%p in FER2013 and RAF_single, respectively, compared to the dataset without data augmentation.

참고자료

· 없음