针对复杂环境进行强大的情绪识别:基于DETR-ResNet50级联架构的ChildEmoNet模型
Zhang Shanshan1, Sha Yanlin2, Loy Chee Luen3
1Department of Early Childhood Education, Faculty of National Child Development Research Centre, Universiti Pendidikan Sultan Idris, Perak, Malaysia.
PloS one
|September 18, 2025
概括
这项研究介绍了ChildEmoNet,这是一种用于强大的情绪识别的新框架,即使面部有遮. 它有效地检测多人并提取特征,在复杂的环境中优于传统方法.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 情感计算是一种情感计算.
背景情况:
- 面部遮蔽在现实环境中对情绪识别系统构成重大挑战.
- 传统的深度学习模型通常在面部封闭条件下与性能退化作斗争.
研究的目的:
- 开发一个新的级联情绪识别框架,ChildEmoNet,以提高复杂环境中的性能.
- 解决多人检测和歧视性特征提取方面的挑战,特别是在面部遮下.
主要方法:
- 提出了一个级联架构,集成检测变压器 (DETR) 进行多人检测和ResNet50用于特征提取.
- 开发了面部遮场景的特定稳健性机制.
- 使用OMG情感数据集对分类和维度情感识别任务的评估性能.
主要成果:
- 在标准情绪分类中达到0.93的AUC.
- 保持了79%的识别准确度,但面部遮蔽率低于30%.
- 获得的一致性相关系数 (CCC) 为0.52 (价值) 和0.46 (激发).
- 在不同的照明,面部定向和部分遮蔽中表现出卓越的性能.
结论:
- 级联DETR-ResNet50架构有效地处理多人检测和特征提取,以实现强大的情绪识别.
- 与传统方法相比,ChildEmoNet在复杂的现实环境中表现出了显著的稳定性.
- 这项研究通过为充满挑战的环境提供可靠的解决方案,推动了情感计算的发展.
