基于新 3RL 数据集的实时面部情绪识别实验研究
计算机视觉与模式识别
2023-04-07 v1 人工智能
人机交互
机器学习
摘要
尽管实时面部情绪识别是人机交互领域的热门研究方向，现有最先进数据集仍存在诸多问题，例如包含文档照片等无关图像、各类别照片数量不均衡，以及可能负面影响正确分类的误导性图像。我们创建了包含约 24K 图像且将公开可用的 3RL 数据集，以克服已有数据集的上述问题。3RL 数据集标注有五种基本情绪：高兴、恐惧、悲伤、厌恶和愤怒。此外，我们将 3RL 数据集与其他著名最先进数据集（FER 数据集、CK+ 数据集）进行比较，并应用既往工作中最常用的算法 SVM 和 CNN。结果显示在 3RL 数据集上的泛化能力有明显提升。实验表明，使用 CNN 在 3RL 数据集上准确率高达 91.4%，而在 FER2013、CK+ 上的结果分别约为 60% 至 85%。
引用
@article{arxiv.2304.03064,
title = {An experimental study in Real-time Facial Emotion Recognition on new 3RL dataset},
author = {Rahmeh Abou Zafra and Lana Ahmad Abdullah and Rouaa Alaraj and Rasha Albezreh and Tarek Barhoum and Khloud Al Jallad},
journal= {arXiv preprint arXiv:2304.03064},
year = {2023}
}