EEG 기반 감정인식을 위한 주석 레이블링과 EEG Topography 레이블링 기법의 비교 고찰
Comparison of EEG Topography Labeling and Annotation Labeling Techniques for EEG-based Emotion Recognition
0
조회
0
다운로드
3
인용
0
참고문헌
키워드
초록
최근 뇌파를 기반으로 한 인간의 감정을 인식하는 연구가 인간-로봇 상호작용 분야에서 활발히 진행되고 있다. 본 논문에서는 MAHNOB-HCI에서 사용된 자기평가와 주석 레이블링 방법과는 다른, 이미지 기반의 뇌파 Topography를 이용한 레이블링을 통해 감정을 평가하는 방법을 제안한다. 제안한 방법은 뇌파 신호를 Topography의 이미지로 변환하여 기계학습 모델을 학습하고 이를 기반으로 Valence 기반의 감정을 평가한다. 제안한 방법은 레이블링 과정을 자동화하여 지연 시간을 없애고 객관적인 레이블링을 제공할 수 있다. MAHNOB-HCI 데이터베이스를 적용한 실험에서 SVM, kNN의 기계학습 모델을 학습하여 주석 레이블링과 성능 비교를 하였으며, 제안 방법의 감정인식 정확도를 SVM에서 54.2%, kNN에서 57.7%로 확인하였다.
Abstract
Recently, research on emotion recognition based on EEG has attracted great interest from human-robot interaction field. In this paper, we propose a method of labeling using image-based EEG topography instead of evaluating emotions through self-assessment and annotation labeling methods used in MAHNOB HCI. The proposed method evaluates the emotion by machine learning model that learned EEG signal transformed into topographical image. In the experiments using MAHNOB-HCI database, we compared the performance of training EEG topography labeling models of SVM and kNN. The accuracy of the proposed method was 54.2% in SVM and 57.7% in kNN.
참고문헌 (14)
- Y. Tong, "Facial action unit recognition by exploiting their dynamic and semantic relationships", IEEE transactions on pattern analysis and machine intelligence, 29(10) (2007)
- D. Ghimire, "Geometric featurebased facial expression recognition in image sequences using multi-class adaboost and support vector machines", Sensors, 13(6), pp.7714~7734 (2013)
- M. Soleymani, "Analysis of EEG signals and facial expressions for continuous emotion detection", IEEE Transactions on Affective Computing, 7(1), pp.17~28 (2016)
- B. H. Kim, "Deep Physiological Affect Network for the Recognition of Human Emotions", IEEE Transactions on Affective Computing, early access (2018)
- T. Song, "EEG Emotion Recognition Using Dynamical Graph Convolutional Neural Networks", IEEE Transactions on Affective Computing, early access (2018)
- Sander Kelstra, "DEAP: A Database for Emotion Analysis Using Physiological Signals", IEEE Transactions on Affective Computing, 3(1), pp.18~31 (2012)
- M. Soleymani, "A multimodal database for affect recognition and implicit tagging", IEEE Transactions on Affective Computing, 3(1), pp.42~55 (2012)
- J. H. Shin, "Inner Emotion Recognition Using Multi Bio-signals", 2018IEEE International Conference on Consumer Electronics-Asia (2018)
- L. Yu, "Building Chinese Affective Resources in Valence-Arousal Dimensions", NAACL HLT 2016 (2016)
- U Herwig, "Using the international 10-20 EEG system for positioning of transcranial magnetic stimulation", Brain topography, 16(2), pp.95~99 (2003)
- "EEGLAB"[URL]
- David T. Sandwell, "BIHARMONIC SPLINE INTERPOLATION OF GEOS-3 AND SEASAT ALTIMETER DATA", GEOPHYSICAL RESEARCH LETTERS, 14(2), pp.139~142 (1987)
- 마누엘 에우제니오 모로초 카얌셀라, "Application of Image Classification using Machine Learning Technique on Smart Device", 한국차세대컴퓨팅학회 논문지, 14(1), pp.16~26 (2018), 한국차세대컴퓨팅학회
- 최민국, "특징 벡터의 effectiveness 요소 기반의 가중치 SVM 분류기 연구", 한국차세대컴퓨팅학회 논문지, 9(1), pp.63~73 (2013), 한국차세대컴퓨팅학회