Classificação de emoções humanas utilizando pontos de referência da face e redes neurais profundas

• Ano de defesa: 2024
• Autor(a) principal: Colares, Willian Guerreiro
• Outros Autores: http://lattes.cnpq.br/4746536970577554, https://orcid.org/0000-0003-0960-2668
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Faculdade de Tecnologia; Brasil; UFAM; Programa de Pós-graduação em Engenharia Elétrica
• Palavras-chave em Português: .; ENGENHARIAS: ENGENHARIA ELETRICA; Expressões faciais; Fusão; Rede Neural Convolucional; AffectNet
• Link de acesso: https://tede.ufam.edu.br/handle/tede/10297

As expressões faciais humanas desempenham um papel fundamental na comunicação não-verbal e na transmissão de emoções. Conceitualmente, as expressões faciais podem ser deduzidas a partir da disposição dos músculos faciais. Sendo uma avaliação subjetiva, a construção de uma base de dados para o reconhecimento de expressões faciais torna-se um desafio devido ao elevado risco de enviesamento decorrente de dados desequilibrados ou imprecisos. Por outro lado, os avanços nas técnicas de processamento de imagem e de aprendizagem profunda têm aumentado a precisão e a eficácia dos algoritmos de reconhecimento de expressões faciais. Neste trabalho, com o objetivo de melhorar o reconhecimento automático de expressões faciais, apresentamos a fusão de duas arquiteturas de redes neurais. A primeira compreende uma rede neural convolucional unidimensional (1D), com entrada caracterizada por pontos de referência da face, e uma segunda, uma rede neural convolucional baseada no backbone DenseNet, com a própria imagem do rosto como entrada. O otimizador ADAM foi utilizado durante o treino desta rede. Foi utilizada a base de dados AffectNet. O melhor resultado obtido foi uma precisão de 60,40% no subconjunto de teste, para a modalidade de 7 classes. Este resultado é comparável aos melhores resultados obtidos no conjunto de dados AffectNet.