Análise de Desempenho de Redes Neurais Convolucionais Aplicadas ao Reconhecimento de Emoções
Resumo
Considerando o crescente interesse no campo da interação humanocomputador e que essa interação vem se tornando algo cada vez mais natural e social, juntamente com o aumento da capacidade computacional proporcionada por GPUs e TPUs, áreas como o reconhecimento de emoções têm se mostrado ser de grande interesse e relevância pela comunidade científica. Porém, mesmo com diversos trabalhos realizados, detectar e reconhecer emoções computacionalmente com a mesma facilidade que humanos reconhecem, ainda é um problema relevante a ser explorado. Para tal, buscando explorar esse tema, este trabalho adotou a utilização de Redes Neurais Convolucionais (CNN) na realização do reconhecimento das emoções em humanos a partir de expressões faciais. Os resultados demonstraram que, com o treinamento da CNN em GPUs, foi possível reduzir o tempo computacional em até 94% e aumentar a acurácia para 66%.Referências
Amin, D., Chase, P., and Sinha, K. (2017). Touchy feely: An emotion recognition challenge. Palo alto: Stanford.
Bartlett, M. S., Littlewort, G., Fasel, I., and Movellan, J. R. (2003). Real time face detection and facial expression recognition: development and applications to human computer interaction. In 2003 Conference on computer vision and pattern recognition workshop, volume 5, pages 53–53. IEEE.
Carrier, P.-L., Courville, A., Goodfellow, I. J., Mirza, M., and Bengio, Y. (2013). Fer-2013 face database. Universit de Montral.
Ekman, P. (1973). Cross-cultural studies of facial expression. Darwin and facial expression: A century of research in review, 169222(1).
Kanade, T. and Cohn, J. (2005). Au-coded facial expression database.
Tang, H. and Huang, T. S. (2008). 3d facial expression recognition based on properties of line segments connecting facial feature points. In 2008 8th IEEE International Conference on Automatic Face & Gesture Recognition, pages 1–6. IEEE.
Yin, L., Wei, X., Sun, Y., Wang, J., and Rosato, M. J. (2006). A 3d facial expression database for facial behavior research. In 7th international conference on automatic face and gesture recognition (FGR06), pages 211–216. IEEE.
Bartlett, M. S., Littlewort, G., Fasel, I., and Movellan, J. R. (2003). Real time face detection and facial expression recognition: development and applications to human computer interaction. In 2003 Conference on computer vision and pattern recognition workshop, volume 5, pages 53–53. IEEE.
Carrier, P.-L., Courville, A., Goodfellow, I. J., Mirza, M., and Bengio, Y. (2013). Fer-2013 face database. Universit de Montral.
Ekman, P. (1973). Cross-cultural studies of facial expression. Darwin and facial expression: A century of research in review, 169222(1).
Kanade, T. and Cohn, J. (2005). Au-coded facial expression database.
Tang, H. and Huang, T. S. (2008). 3d facial expression recognition based on properties of line segments connecting facial feature points. In 2008 8th IEEE International Conference on Automatic Face & Gesture Recognition, pages 1–6. IEEE.
Yin, L., Wei, X., Sun, Y., Wang, J., and Rosato, M. J. (2006). A 3d facial expression database for facial behavior research. In 7th international conference on automatic face and gesture recognition (FGR06), pages 211–216. IEEE.
Publicado
14/04/2021
Como Citar
HECK, Leandro; KÜNAS, Cristiano; PADOIN, Edson.
Análise de Desempenho de Redes Neurais Convolucionais Aplicadas ao Reconhecimento de Emoções. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 21. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 41-44.
ISSN 2595-4164.
DOI: https://doi.org/10.5753/eradrs.2021.14770.
