En la tarea de reconocimiento de expresiones faciales, un modelo de red neuronal convolucional (CNN) de buen rendimiento entrenado en un conjunto de datos (conjunto de datos de origen) suele tener un mal rendimiento en otro conjunto de datos (conjunto de datos de destino). Esto se debe a que la distribución de las características de la misma emoción varía en los diferentes conjuntos de datos. Para mejorar la precisión del modelo CNN en diferentes conjuntos de datos, introducimos un método de adaptación de dominio no supervisado, que es especialmente adecuado para conjuntos de datos de destino pequeños sin etiquetar. Para resolver el problema de la falta de muestras del conjunto de datos de destino, entrenamos una red generativa adversarial (GAN) en el conjunto de datos de destino y utilizamos las muestras generadas por la GAN para afinar el modelo preentrenado en el conjunto de datos de origen. En el proceso de ajuste, damos a las muestras generadas por la GAN sin etiquetar, pseudo-etiquetas distribuidas dinámicamente de acuerdo con las probabilidades de predicción actuales. Nuestro método puede aplicarse fácilmente a cualquier red neuronal convolucional (CNN) existente. Demostramos la eficacia de nuestro método en cuatro conjuntos de datos de reconocimiento de expresiones faciales con dos estructuras de CNN y obtenemos resultados inspiradores.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Modelo de diseño de instalaciones públicas deportivas de ocio urbano basado en Big Data y visión artificial
Artículo:
Avances, retos y perspectivas de los fotocatalizadores bimetálicos basados en TiO2
Artículo:
Registro mejorado basado en superficies de TC y ecografía 3D intraoperatoria de huesos
Artículo:
Cultivo de la capacidad de apreciación pictórica de los estudiantes basado en la realidad virtual
Artículo:
Síntesis de grafeno mediante un reactor CVD y una alimentación discontinua de gas precursor a presión atmosférica
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala