Revisión de Técnicas de Aprendizaje Automático y Profundo para el Reconocimiento de Emociones Faciales Basado en la Expresión

El Reconocimiento de Emociones Faciales (FER) es una técnica que aprende características a partir de imágenes en bruto y logra emociones, y se utiliza para detectar y analizar el estado emocional de cualquier persona a partir de expresiones basadas en señales faciales. La capacidad de reconocer con precisión las emociones faciales debe mejorarse para mejorar la interacción virtual entre personas y la interacción humano-robot, lo cual puede ser beneficioso en muchas aplicaciones, esto se puede lograr aprovechando técnicas de Inteligencia Artificial y visión por computadora. Este artículo estudió los avances en el campo de FER, que pueden influir en el rendimiento y comparó diferentes técnicas basadas en Aprendizaje Automático (ML) y Aprendizaje Profundo (DL) centradas en varios aspectos: como la naturaleza del conjunto de datos, la representación de la entrada para proporcionar datos de entrada más estandarizados, y la elección de arquitecturas de red para la extracción de características y fines de clasificación. En esencia, este artículo sirve como una guía integral para el FER, proporcionando información sobre su panorama actual, desafíos y direcciones futuras.