Deep Learning für die Erkennung von Emotionen: Von der Theorie zur Praxis

Dieses Buch untersucht die Entwicklungen in der automatisierten emotionalen Wahrnehmung durch Computer Vision und künstliche Intelligenz. Insbesondere verwenden wir Deep Learning-, DCNN- und VGG19-Algorithmen, um Körpersprache und kontextuelle Informationen zu kombinieren, einschließlich umweltbezogener, sozialer und kultureller Faktoren. Wir optimieren tiefe neuronale Netze durch die Aggregation vieler Bilddatensätze, darunter EMOTIC (ADE20K, MSCOCO), EMODB_SMALL und FRAMESDB, um kontinuierliche emotionale Dimensionen und diskrete Emotionen richtig zu bewerten. Unsere Ergebnisse zeigen bemerkenswerte Fortschritte im Vergleich zu aktuellen Methoden und verbessern die kontextbezogene emotionale Wahrnehmung. Diese Arbeit öffnet den Weg für bedeutende Anwendungen in der sozialen Robotik, im Affective Computing und in der Mensch-Maschine-Interaktion und ermöglicht eine komplexe emotionale Wahrnehmung in vielen verschiedenen realen Kontexten.

Autorentext

Dr. Fatiha Limami, Doktorandin an der ENSIAS in Rabat, Marokko, mit den Schwerpunkten Datenwissenschaft, Big Data und künstliche Intelligenz. Ihre Forschungsinteressen konzentrieren sich auf Deep Learning zur Emotionserkennung mit dem Ziel, kontextbezogene Systeme zu entwickeln, die in den Bereichen Sozialrobotik, Affective Computing und HCI-Anwendungen von Nutzen sind.