CNN 3D pour la reconnaissance des émotions faciales dans des vidéos - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

CNN 3D pour la reconnaissance des émotions faciales dans des vidéos

Résumé

In this paper we consider 3D convolutional neural networks (CNN) for predicting facial emotions in videos. We optimize the 3D-CNN architecture through hyper-parameters search, and prove that this has a very strong influence on the results, even if architecture tuning of 3D CNNhas not been much addressed in the literature. Experiments show a benefit over the state of the art.
Dans cet article, nous considérons les réseaux de neurones convolutifs (CNN) 3D pour la prédiction des émotions faciales dans des vidéos. Nous optimisons l'architecture du CNN 3D par la recherche d'hyper-paramètres, et prouvons que cela a une très forte influence sur les résultats, même si le réglage de l'architecture des CNN 3D n'a pas été beaucoup abordé dans la littérature. Les expériences montrent un avantage par rapport à l'état de l'art.
Fichier principal
Vignette du fichier
Article4.pdf (219.08 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03774380 , version 1 (10-09-2022)

Identifiants

  • HAL Id : hal-03774380 , version 1

Citer

Jad Haddad, Olivier Lézoray, Philippe Hamel. CNN 3D pour la reconnaissance des émotions faciales dans des vidéos. GRETSI, Sep 2022, Nancy, France. ⟨hal-03774380⟩
45 Consultations
115 Téléchargements

Partager

Gmail Facebook X LinkedIn More