一个多模式的缅甸情绪数据集用于情绪识别

科学领域:

• 认知科学 认知科学
• 情感计算是一种情感计算.
• 神经科学是一个神经科学.

背景情况:

• 有效的情感识别对人类互动至关重要,并影响心理学,社会科学和人工智能等领域.
• 现有的情感数据集往往缺乏文化多样性,限制了跨文化情感识别应用.
• 开发特定文化数据集对于推进包容性人工智能和人机交互至关重要.

研究的目的:

• 介绍一种新的,文化验证的缅甸情感数据集,用于增强情感识别.
• 用单模和多模分类方法评估数据集的有效性.
• 为了证明数据集在各种文化背景中的实用性,用于情绪识别技术.

主要方法:

• 收集了来自20名受试者的脑电图 (EEG) 信号和眼睛跟踪数据.
• 使用一种新的情感诱导范式,每次有15个视频片段 (5个正面,5个中性,5个负面).
• 使用单模,传统多模和深度多模 (DCCA-AM) 分类方法验证了数据集.

主要成果:

• 单模式分类准确度在62.57%至77.05%之间.
• 多模式融合技术实现了更高的精度,从75.43%到87.91%不等.
• 拟议的数据集显示了跨文化情绪识别应用的显著价值.

结论:

• 新的缅甸情感数据集有效地支持跨文化情感识别.
• 在使用此数据集时,多模式方法显著优于单模式方法.
• 这项研究强调了文化多样化的数据集对于推进情感计算和人工智能的重要性.