얼굴 표정 인식을 위한 유전자 알고리즘 기반 심층학습 모델 최적화

• 영문명: Optimization of Deep Learning Model Based on Genetic Algorithm for Facial Expression Recognition
• 발행기관: 한국전자통신학회
• 저자명: 박장식(Jang-Sik Park)
• 간행물 정보: 『한국전자통신학회 논문지』제15권 제1호, 85~91쪽, 전체 7쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2020.02.29

국문 초록

심층학습은 많은 양의 데이터셋을 학습에 활용하여 객체 분류, 검출, 분할 등의 영상 분석에 탁월한 성능을 나타내고 있다. 본 논문에서는 데이터셋의 종류가 다양한 얼굴 표정인식 데이터셋들을 활용하여 학습 데이터 셋의 특성이 심층학습 성능에 영향을 줄 수 있음을 확인하고, 각 학습 데이터셋에 적합한 심층학습 모델의 구성 요소를 설정하는 방법을 제안한다. 제안하는 방법은 심층학습 모델의 성능에 영향을 주는 구성 요소인 활성함수, 그리고 최적화 알고리즘을 유전 알고리즘을 이용하여 선정한다. CK+, MMI, KDEF 데이터셋에 대해서 널리 활용되고 있는 심층학습 모델의 각 구성 요소별 다양한 알고리즘을 적용하여 성능을 비교 분석하고, 유전 알고리즘을 적용하여 최적의 구성 요소를 선정할 수 있음을 시뮬레이션을 통하여 확인한다.

영문 초록

Deep learning shows outstanding performance in image and video analysis, such as object classification, object detection and semantic segmentation. In this paper, it is analyzed that the performances of deep learning models can be affected by characteristics of train dataset. It is proposed as a method for selecting activation function and optimization algorithm of deep learning to classify facial expression. Classification performances are compared and analyzed by applying various algorithms of each component of deep learning model for CK+, MMI, and KDEF datasets. As results of simulation, it is shown that genetic algorithm can be an effective solution for optimizing components of deep learning model.

목차

Ⅰ. 서 론

Ⅱ. 표정인식 데이터셋 및 심층학습 모델

Ⅲ. 유전 알고리즘 기반 심층학습 네트워크 최적화

Ⅳ. 시뮬레이션 결과 및 검토

Ⅴ. 결 론

References

키워드

활성함수 컨벌루션 커널 유전 알고리즘 학습 데이터셋 최적화 알고리즘 활성 함수 Activation function Convolution kernel Genetic algorithm Training dataset Optimizer algorithm