특징 연결과 깊이별 분리 컨볼루션을 이용한 효율적인 얼굴 감정인식 CNN

초록

최근 딥러닝 기반의 컨볼루션 신경망은 컴퓨터비전 분야의 여러 문제에서 좋은 성능을 보여주었으며 다 양한 형태의 컨볼루션 신경망 아키텍처가 제안되어왔다. 특히 얼굴 표정에서 감정을 인식하기 위한 문제 역시 딥 컨볼루션 신경망을 사용한 연구가 활발히 진행되고 있다. 본 논문에서는 사람의 얼굴 표정에서 나타나는 감정을 인식하기 위한 효율적인 컨볼루션 신경망을 새롭게 제안한다. 본 논문에서는 경량화된 컨볼루션 신경망을 설계하기 위해 깊이별 분리 컨볼루션을 사용하여 파라미터 수와 연산량을 감소시키고 특징 연결과 채널 정보의 압축 및 복원을 통해 특징의 재사용성과 채널 정보를 강화하였다. 제안하는 모 델의 학습 파라미터 개수는 0.48 M(Million)으로 기존 모델에 비해 적은 파라미터 개수로 FER2013, RAF-single 데이터셋에서 각각 70.69%, 85.4%의 정확도를 달성하였다.