面向儿童画作情感状态识别的机器学习算法比较评估
计算机视觉与模式识别
2026-01-28 v1
摘要
自闭症谱系障碍（ASD）是一种以表达情感和沟通困难为特征的神经发育疾病，尤其是在幼儿期。在幼儿期理解儿童的情感状态仍然具有挑战性，因为传统的评估方法通常具有侵入性、主观性或难以一致地应用。本文在先前关于从儿童画作识别情感状态的工作基础上，对用于情感分类的机器学习模型进行了比较评估。在统一的实验框架内评估了三种深度学习架构——MobileNet、EfficientNet 和 VGG16，以分析分类性能、鲁棒性和计算效率。模型使用迁移学习在由心理学专家提供情感标签的儿童画作数据集上进行训练。结果突出了轻量级和更深架构在应用于基于画作的情感计算任务时的重要权衡，特别是在移动和实时应用场景中。
引用
@article{arxiv.2601.18414,
title = {Comparative Evaluation of Machine Learning Algorithms for Affective State Recognition from Children's Drawings},
author = {Aura Loredana Dan},
journal= {arXiv preprint arXiv:2601.18414},
year = {2026}
}
备注
9 pages, 8 figures