面向自然场景下维度与类别情绪识别的可解释深度神经网络
机器学习
2019-12-17 v2 计算机视觉与模式识别
机器学习
摘要
情绪在人们的生活中起着重要作用。理解与识别情绪不仅对人际交流至关重要，也在人机交互、汽车安全和医学研究中具有广阔应用前景。本项目致力于扩展情绪识别数据库，并使用情绪类别表示与效价-唤醒度表示训练 CNN + RNN 情绪识别神经网络。通过同时训练两种表示构建了组合模型。文中讨论了三类模型之间的比较与分析，并探究了两种情绪表示之间的内在关联以及神经网络的可解释性。研究结果表明，类别情绪识别性能可受益于组合模型训练。而情绪类别与效价-唤醒度值之间的映射可解释这一现象。
引用
@article{arxiv.1910.05784,
title = {Interpretable Deep Neural Networks for Dimensional and Categorical Emotion Recognition in-the-wild},
author = {Xia Yicheng and Dimitrios Kollias},
journal= {arXiv preprint arXiv:1910.05784},
year = {2019}
}