[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Achieving 3D Attention via Triplet Squeeze and Excitation Block

Created by
  • Haebom

저자

Maan Alhazmi, Abdulrahman Altahhan

개요

본 논문은 ConvNeXt 계열의 CNN 모델이 얼굴 표정 인식(FER)을 포함한 다양한 영상 분류 작업에서 효과적임을 재확인하고, Triplet attention과 Squeeze-and-Excitation을 결합한 새로운 attention mechanism인 TripSE를 제안합니다. ResNet18, DenseNet, ConvNeXt 세 가지 기본 구조에 TripSE 블록을 추가하여 다양한 데이터셋(CIFAR100, ImageNet, FER2013, AffectNet)에서 성능을 평가했습니다. 그 결과, 특히 ConvNeXt 구조에서 TripSE 블록이 성능 향상에 기여하며, ConvNeXt와 TripSE 조합은 FER2013 데이터셋에서 78.27%의 정확도를 달성하여 최첨단 성능을 보였습니다.

시사점, 한계점

•
시사점:
◦
TripSE attention mechanism이 CNN 기반 모델의 성능을 향상시키는 효과를 입증.
◦
ConvNeXt 아키텍처와 TripSE의 조합이 FER2013 데이터셋에서 최고 성능 달성.
◦
제안된 방법론의 다양한 CNN 아키텍처에 대한 적용 가능성을 보여줌.
•
한계점:
◦
제안된 방법론의 일반화 성능에 대한 추가 연구 필요.
◦
다른 attention mechanism과의 비교 분석이 부족.
◦
사용된 데이터셋의 다양성을 더욱 확장할 필요가 있음.
👍
Made with Slashpage