Close
Metadata

@InProceedings{BatistaBellSilv:2018:ReM´Re,
               author = "Batista, J{\'u}lio C{\'e}sar and Bellon, Olga R. P. and Silva, 
                         Luciano",
          affiliation = "{Universidade Federal do Paran{\'a} (UFPR)} and {Universidade 
                         Federal do Paran{\'a} (UFPR)} and {Universidade Federal do 
                         Paran{\'a} (UFPR)}",
                title = "Regress˜ao m´ultipla com redes neurais convolucionais para 
                         estimativa conjunta da intensidade de Action Units",
            booktitle = "Proceedings...",
                 year = "2018",
               editor = "Ross, Arun and Gastal, Eduardo S. L. and Jorge, Joaquim A. and 
                         Queiroz, Ricardo L. de and Minetto, Rodrigo and Sarkar, Sudeep and 
                         Papa, Jo{\~a}o Paulo and Oliveira, Manuel M. and Arbel{\'a}ez, 
                         Pablo and Mery, Domingo and Oliveira, Maria Cristina Ferreira de 
                         and Spina, Thiago Vallin and Mendes, Caroline Mazetto and Costa, 
                         Henrique S{\'e}rgio Gutierrez and Mejail, Marta Estela and Geus, 
                         Klaus de and Scheer, Sergio",
         organization = "Conference on Graphics, Patterns and Images, 31. (SIBGRAPI)",
            publisher = "Sociedade Brasileira de Computa{\c{c}}{\~a}o",
              address = "Porto Alegre",
             keywords = "an{\'a}lise de express{\~o}es faciais, vis{\~a}o computacional, 
                         redes neurais convolucionais.",
             abstract = "Este trabalho\footnote{Este artigo {\'e} baseado em uma 
                         Disserta{\c{c}}{\~a}o de Mestrado} apresenta uma rede neural 
                         convolucional (CNN - Convolutional Neural Network) para efetuar a 
                         estimativa conjunta da intensidade de \emph{Action Units} (AUs) 
                         em imagens de faces. A estimativa da intensidade de AUs {\'e} 
                         essencial durante a an{\'a}lise de express{\~o}es faciais. Os 
                         m{\'e}todos existentes n{\~a}o levam em considera{\c{c}}{\~a}o 
                         a possibilidade de estimativa conjunta para v{\'a}rios AUs em uma 
                         face e precisam de um modelo para cada AU; m{\'e}todos que fazem 
                         uso dessa informa{\c{c}}{\~a}o precisam reestruturar o problema 
                         como aprendizado estruturado com grafos, aumentando a 
                         complexidade. Portanto, este trabalho prop{\~o}e um modelo de 
                         regress{\~a}o m{\'u}ltipla para realizar essa estimativa 
                         conjunta e permitir a otimiza{\c{c}}{\~a}o de um modelo 
                         \emph{end-to-end}. O modelo proposto foi avaliado na base BP4D 
                         (Binghamton-Pittsburgh 3D Dynamic Spontaneous Facial Expression 
                         Database), utilizada no \emph{Facial Expression Recognition and 
                         Analysis Challenge} (FERA) 2015, que possui anota{\c{c}}{\~o}es 
                         da intensidade para cinco AUs em imagens com ambiente controlado. 
                         Os resultados obtidos, na m{\'e}dia das cinco AUs, superam os 
                         \emph{baselines} propostos e s{\~a}o similares ao 
                         estado-da-arte, superando-o em uma das AUs.",
  conference-location = "Foz do Igua{\c{c}}u, PR, Brazil",
      conference-year = "Oct. 29 - Nov. 1, 2018",
             language = "pt",
                  ibi = "8JMKD3MGPAW/3S3MGTS",
                  url = "http://urlib.net/rep/8JMKD3MGPAW/3S3MGTS",
           targetfile = "wtd-julio.pdf",
        urlaccessdate = "2020, Dec. 04"
}


Close