Avaliação de reconhecimento de emoção dimensional com uma abordagem baseada em atenção

Abstract

O feedback não verbal e o reconhecimento das expressões faciais têm sido área de muita pesquisa nas últimas décadas. As expressões faciais são uma maneira concreta de reconhecer emoções e “ensinar” os computadores a detectar corretamente o que cada expressão facial significa e a qual emoção está ligada. Assim, no âmbito do reconhecimento de imagens, as Redes Neurais Convolucionais (RNC), através de suas camadas sobre os pixels da imagem, facilitam a descoberta de padrões. Dessa forma, através da aplicação de uma RNC com um mecanismo de atenção, o objetivo do presente artigo é decodificar as expressões não verbais presentes no banco de dados utilizado e identificar a quais emoções estão ligadas. Através da análise do CCC (Coeficiente De Correlação De Concordância) e do Erro Quadrático Médio (RMSE) para as dimensões de valence e arousal, o presente artigo mostra que o método utilizado traz resultados, mas ainda é possível melhorar o aprendizado de máquina.

Non-verbal feedback and the recognition of facial expressions have been an area of much research in the last decades. Facial expressions are a concrete way to recognize emotions and "teaching" computers to detect correctly what each facial expression means and to which emotion it is attached. Thus, in the scope of image recognition, Convolutional Neural Networks (CNN), through their layering over image pixels, facilitate pattern discovery. Therefore, through the application a CNN with an attention mechanism, the objective of this paper is to decode the non-verbal expressions present in the used database and identify to which emotion it is linked. Through the analysis of the CCC (Correlation Coefficient of Concordance) and the Mean Squared Error (RMSE) for the valence and arousal dimensions, this paper shows that the method used brings results, but there is still room for improvement in machine learning.