CNN能否准确分类人类情绪？一项基于深度学习的面部表情识别研究
机器学习
2023-10-17 v1 神经与进化计算
摘要
情感人工智能目前是最受期待的AI发展之一。若取得成功，这些AI将被归类为最复杂、最智能的非人类实体，因为它们将拥有感知力——这是活人与机械机器的首要区别因素。要使AI被归类为“情感型”，它们应能够共情并分类他人的情绪，因为缺乏此类能力便无法与人类正常交互。本研究考察了CNN模型识别和分类人类面部表情（积极、中性、消极）的能力。为本研究构建的CNN模型以Python编程，并使用来自Chicago Face Database的预处理数据进行训练。该模型被有意设计为较低复杂度，以进一步考察其能力。我们假设该模型在分类输入数据的每一情绪类别时将优于随机水平（33.3%）。模型准确率通过新图像进行测试，并以百分比报告、比较图和混淆矩阵进行汇总。本研究结果支持该假设，因为模型在10,000张图像（数据）上达到了75%的准确率，突显了能够准确分析人类情绪的AI以及可行情感AI的前景。
引用
@article{arxiv.2310.09473,
title = {Can CNNs Accurately Classify Human Emotions? A Deep-Learning Facial Expression Recognition Study},
author = {Ashley Jisue Hong and David DiStefano and Sejal Dua},
journal= {arXiv preprint arXiv:2310.09473},
year = {2023}
}