転移学習を用いた小規模データセットにおける感情認識のための深層学習

本論文では、2015年のEmotion Recognition in the Wildコンテストにおける私たちのチームの提出に使用した技術を示します。これは、Static Facial Expression Recognition in the Wildのサブチャレンジに関するものです。このサブチャレンジの目的は、映画から抽出された静止画像において、主要な被験者が表現する感情を分類することです。私たちは、深層畳み込みニューラルネットワーク（CNN）アーキテクチャに対して転移学習アプローチを採用します。一般的なImageNetデータセットで事前学習されたネットワークから始め、まずは顔の表情に関連するデータセットでの監視付きファインチューニングを行い、その後コンテストのデータセットでファインチューニングを行う二段階のプロセスを実施します。実験結果は、このカスケードファインチューニングアプローチが、結合データセットを用いた単一段階のファインチューニングと比較してより良い結果を達成していることを示しています。我々の最良の提出は、検証セットで48.5%、テストセットで55.6%の全体精度を示し、これはそれぞれ35.96%および39.13%のチャレンジベースラインと比較して好意的な結果です。