Group Emotion Recognition - De

Este proyecto pretende clasificar la emoción percibida de un grupo como Positiva , Neutral o Negativo .

La necesidad de reconocimiento de emociones

En primer lugar, ¿por qué necesitamos el reconocimiento de las emociones?

El reconocimiento de emociones es importante -

- Para mejorar la experiencia del usuario, como cliente, aprendiz o como usuario de servicio genérico.

- Puede ayudar a mejorar los servicios sin la necesidad de pedirle formalmente y continuamente al usuario su opinión.

- Además, el uso del reconocimiento automático de emociones en la seguridad pública, la atención médica o la tecnología de asistencia puede mejorar significativamente la calidad de vida de las personas, lo que les permite vivir en un entorno más seguro o reducir el impacto que tienen las discapacidades u otras afecciones médicas. < / p>

Aplicaciones del reconocimiento de emociones

Emotion Recognition tiene aplicaciones en análisis de multitudes, redes sociales, marketing, detección y resumen de eventos, seguridad pública, interacción entre humanos y computadoras, vigilancia de seguridad digital, análisis de calles, recuperación de imágenes, etc.

El surgimiento del reconocimiento de emociones grupales

El problema del reconocimiento de emociones para un grupo de personas ha sido menos estudiado, pero está ganando popularidad debido a la gran cantidad de datos disponibles en los sitios de redes sociales que contienen imágenes de grupos de personas que participan en eventos sociales.

Desafíos que enfrenta el reconocimiento de emociones grupales

El reconocimiento de emociones en grupo es un problema desafiante debido a obstrucciones como variaciones en la postura de la cabeza y el cuerpo, oclusiones, condiciones de iluminación variables, varianza de actores, configuraciones variadas en interiores y exteriores y calidad de imagen.

Enfoque

Nuestra solución es un enfoque basado en canalizaciones que integra dos módulos (que funcionan en paralelo): módulos ascendentes y descendentes, basados ​​en la idea de que la emoción de un grupo de personas se puede deducir utilizando ambos ascendentes y enfoques de arriba hacia abajo.

- El módulo de abajo a arriba detecta y extrae caras individuales presentes en el

imagen y los pasa como entrada a un conjunto de Profundizado pre-entrenado

Redes neuronales convolucionales (CNN).

- Simultáneamente, el módulo de arriba a abajo detecta las etiquetas asociadas con el

escena y los pasa como entrada a una red bayesiana (BN) que predice

las probabilidades de cada clase.

- En la tubería final, la categoría de emoción del grupo predicha por la de abajo hacia arriba

El módulo se pasa como entrada a la red bayesiana en el módulo de arriba a abajo

y se obtiene una predicción general para la imagen.