Condução de experimentos para o treinamento de modelos de Rede Neurais Artificiais em tarefas de inferência de expressões faciais em um ambiente Testbed

• Ítalo J. da S. Melo UFPA
• Edson M. da C. Filho UFPA
• Alana M. Medeiros UFPA
• Yomara P. Pires UFPA
• Saulo W. da S. Costa UFPA
• Marcos C. da R. Seruffo UFPA

DOI: https://doi.org/10.5753/wtestbeds.2023.230558

Resumo

Os avanços da área de Inteligência Artificial (IA) nos últimos tempos, têm permitido o desenvolvimento de tecnologias e pesquisas presentes em nosso cotidiano, a exemplo a área de computação afetiva no reconhecimento de expressões faciais. No entanto, a realização de experimentos nesta área, requer alocação de recursos e um ambiente de testes controlável para treinamento dos modelos neurais capazes de realizar a inferência de emoções. Este artigo relata o uso de Testbeds para o treinamento de um modelo de Redes Neurais Artificiais (RNA) para tarefas de inferência de emoções através do reconhecimento de expressões faciais. Para tal, foi utilizada a ferramenta Teachable Machine para composição do modelo de rede neural. O ambiente de testes utilizado foi Testbeds da Rede Nacional de Ensino e Pesquisa (RNP). Os resultados obtidos indicam que o uso Teachable Machine em um TestBeds possibilita a criação de modelos de reconhecimento facial precisos e eficientes.

Referências

Bhandari, A. (,2020). Everything you should know about confusion matrix for machine learning. analytics vidhya, 2020. Disponível em: [link]. Acesso em 2023-03-20.

Bukhari, N., Hussain, S., Ayoub, M., Yu, Y., and Khan, A. (2022). Deep learning based framework for emotion recognition using facial expression. Pakistan Journal of Engineering and Technology, 5(3):51–57.

Costa, S. W. D. S., Pires, Y. P., De Sousa, A. L., Costa, F. A. R., De Oliveira, E., Araújo, F. P., and Seruffo, M. C. D. R. (2021). Whot, a novel tool to assist women victims of violence: a case study in the brazilian amazon. IEEE Access, 9:95046–95060.

Domingos, D. A., Cortes, O. A. C., and Lobato, F. M. F. (2022). Evoluindo redes neurais convolucionais na detecção de emoções usando micro ags. Anais do Computer on the Beach, 13:266–273.

Heck, L., Künas, C., and Padoin, E. (2020). Análise de desempenho e efetividade de redes neurais convolucionais em plataformas de gpu e cpu aplicadas ao reconhecimento de emoções através de expressões faciais em seres humanos. In Anais Estendidos do XXI Simpósio em Sistemas Computacionais de Alto Desempenho, pages 8–13, Porto Alegre, RS, Brasil. SBC.

Kuruvayil, S. and Palaniswamy, S. (2022). Emotion recognition from facial images with simultaneous occlusion, pose and illumination variations using meta-learning. Journal of King Saud University-Computer and Information Sciences, 34(9):7271–7282.

MEDEIROS, A. M. et al. (2022). Uma revisão sistemática sobre estudos de detecção de expressões faciais a partir do emprego de modelos de inteligência artificial.

Oguine, O. C., Oguine, K. J., Bisallah, H. I., and Ofuani, D. (2022). Hybrid facial expression recognition (fer2013) model for real-time emotion classification and prediction. arXiv preprint arXiv:2206.09509.

Passos, L. F. C. (2022). Métodos de regularização no aprendizado de máquinas: Ridge e lasso.

Wong, J. J. N. and Fadzly, N. (2022). Development of species recognition models using google teachable machine on shorebirds and waterbirds. Journal of Taibah University for Science, 16(1):1096–1111.