深度学习用于人类情感识别：见解与新进展
机器学习
2019-01-11 v1 人工智能
计算机视觉与模式识别
人机交互
机器学习
摘要
自动人类情感识别是迈向更自然人机交互的关键一步。近期趋势包括在野外利用视听与生理传感器的融合进行识别，这对传统机器学习算法而言是一个具有挑战性的场景。自2010年以来，新颖的深度学习算法已日益应用于该领域。在本文中，我们综述了2010至2017年间关于人类情感识别的文献，特别关注使用深度神经网络的方法。通过将总计950项研究按其使用浅层或深层架构分类，我们能够显示出一种朝向深度学习的趋势。综述采用深度神经网络的233项研究的子集，我们全面量化了它们在该领域的应用。我们发现深度学习被用于学习（i）空间特征表示、（ii）时间特征表示，以及（iii）多模态传感器数据的联合特征表示。代表性的最先进架构阐明了相关进展。我们的发现展示了深度架构将在人类情感识别中扮演的角色，并可作为从事相关应用研究人员的参考点。
引用
@article{arxiv.1901.02884,
title = {Deep Learning for Human Affect Recognition: Insights and New Developments},
author = {Philipp V. Rouast and Marc T. P. Adam and Raymond Chiong},
journal= {arXiv preprint arXiv:1901.02884},
year = {2019}
}
备注
To be published in IEEE Transactions on Affective Computing. 20 pages, 7 figures, 6 tables