基于集成CNN的实时情绪与性别分类
计算机视觉与模式识别
2021-11-16 v1
摘要
分析人脸上的表情在识别人的情绪和行为方面起着至关重要的作用。自动识别这些表情构成了自然人机界面的关键组成部分。因此，该领域的研究在生物特征认证、监控系统、各类社交媒体平台中的情绪到表情符号等方面具有广泛应用。另一应用包括开展客户满意度调查。众所周知，大型企业在获取反馈和进行调查方面投入巨资，却未能获得对等的回应。通过面部姿态进行情绪与性别识别是一项旨在通过监测客户对特定产品或客服人员的评价行为来提升产品与服务性能的技术。过去几年中，在特征提取机制、人脸检测以及表情分类技术方面已取得广泛进展。本文实现了一种集成CNN（Ensemble CNN），用于构建能够检测人的情绪与性别的实时系统。实验结果表明，在FER-2013数据集上，对7类情绪（生气、恐惧、悲伤、高兴、惊讶、中性、厌恶）的分类准确率为68%；在IMDB数据集上，性别分类（男或女）的准确率为95%。我们的工作可在单人脸图像和多个人脸图像上预测情绪与性别。此外，当通过摄像头输入时，该实时系统的完整流程可在不到0.5秒内生成结果。
引用
@article{arxiv.2111.07746,
title = {Real-time Emotion and Gender Classification using Ensemble CNN},
author = {Abhinav Lahariya and Varsha Singh and Uma Shanker Tiwary},
journal= {arXiv preprint arXiv:2111.07746},
year = {2021}
}