用计算机视觉和深度学习检测情绪的系统审查

科学领域:

• 计算机视觉 计算机视觉
• 深度学习 (Deep Learning) 是一种深度学习.
• 人与计算机的交互

背景情况:

• 情感识别对于人机交互 (HCI) 在心理学,医疗保健和娱乐领域至关重要.
• 深度学习 (DL) 和计算机视觉是推动这一领域进步的关键技术.

研究的目的:

• 系统地审查和评估77篇关于使用DL和计算机视觉识别面部和情绪的论文.
• 分析用于情感识别研究的范围,方法和数据集.

主要方法:

• 按照系统审查和元分析 (PRISMA) 准则的首选报告项目进行系统性文献审查.
• 使用拟议分类法对研究进行分类,包括表达式类型,测试环境,DL方法和数据集.
• 分析流行DL模型,如卷积神经网络 (CNN),基于快速区域的卷积神经网络 (R-CNN) 和视觉变换器 (ViT).

主要成果:

• 确定了卷积神经网络 (CNN),基于快速区域的卷积神经网络 (R-CNN) 和视觉变压器 (ViT) 作为最常见的DL模型.
• 突出了面部和姿势式情绪识别数据集和方法的趋势.
• 提供了最先进的算法和数据集的概述.

结论:

• 该评论提供了对当前趋势和情绪识别研究的基本组成部分的全面了解.
• 它作为研究人员导航计算机视觉算法和情绪检测数据集的景观的指南.
• 强调DL在识别面部表情和身体姿势的情绪方面日益重要和适用.