Beyond facial expression recognition : simultaneous generation and classification of facial micro-expressions in the wild

"Proponemos basarnos en recientes ideas en Redes Neuronales Convolucionales (CNN por sus siglas en inglés) y Redes Adversarial Generativas (GANs por sus siglas en inglés) para conjunta y simultaneamente aprender la representación estadística de las expresiones faciales con el propósito de mejorar el estado del arte en este importante problema. Para este propósito, elaboramos un plan exhaustivo en el que se incluyen las más recientes técnicas en CNNs y GANs, y así diseñar algoritmos más exactos para la generación y clasificación simultanea de expresiones faciales en la naturaleza. Particularmente, primero proponemos algoritmos del estado del arte para el reconocimiento de expresiones faciales, que llamamos AUNets, los cuales combinan color, profundidad e información temporal y así establecemos un punto de referencia robusto en la comunidad. Debido a la dificultad de construir/entrenar reales/actuales bases de datos en este problema, y aprovechando la cantidad de imágenes que se encuentran en internet, nos movemos hacia la generación automática de expresiones faciales con el propósito de mejorar la clasificación. ." -- Tomado del Formato de Documento de Grado.

• Autores: Romero Vergara, Andrés Felipe
• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2019
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: eng
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/41306
• Acceso en línea: http://hdl.handle.net/1992/41306
• Palabra clave: Redes neurales (Computadores) - Investigaciones; Aprendizaje automático (Inteligencia artificial) - Investigaciones; Expresión facial - Simulación por computadores - Investigaciones; Reconocimiento facial (Informática) - Investigaciones; Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf