Un sistema ligero de reconocimiento de emociones faciales utilizando aprendizaje por transferencia parcial para personas con discapacidad visual

La incapacidad de percibir señales visuales y otras señales no verbales para individuos con discapacidad visual puede suponer un desafío significativo para sus interacciones conversacionales correctas y puede ser un impedimento para diversas actividades diarias. Los recientes avances en recursos computacionales, particularmente las capacidades de visión por computadora, pueden ser utilizados para diseñar aplicaciones efectivas para personas con discapacidades visuales (DV). Entre varias tecnologías de asistencia, el reconocimiento automatizado de impresiones faciales con interpretación precisa en tiempo real puede resultar útil para abordar este problema. Utilizando este enfoque, las emociones faciales (por ejemplo, tristeza, felicidad) pueden ser reconocidas de manera robusta y transmitidas a los individuos asociados. En este artículo, se adoptó un enfoque de aprendizaje por transferencia parcial utilizando una red neuronal convolucional (CNN) entrenada a medida para el reconocimiento de emociones faciales. Se propone un modelo novedoso que transfiere características de un conjunto de datos a otro. Este modelo permite la transferencia de características aprendidas de un pequeño número de instancias para resolver nuevas instancias de desafíos. Usando el enfoque propuesto basado en una CNN recién entrenada, se construyó un sistema portátil ligero de reconocimiento de expresiones faciales con conectividad inalámbrica y alta precisión en la detección, dirigido específicamente a personas con discapacidad visual. El modelo de reconocimiento propuesto proporciona una mejora notable sobre el actual estado del arte, al proporcionar la mayor precisión de reconocimiento del 82.1% en el conjunto de datos mejorado de Reconocimiento de Expresiones Faciales 2013 (FER2013). Además, con solo 1.49M de parámetros, el modelo es operable en dispositivos de borde con memoria y potencia de procesamiento limitadas. En general, tres emociones etiquetadas: feliz, triste, sorpresa, fueron reconocidas por el modelo con alta precisión, mientras que se notó una tasa de precisión relativamente más baja para ira, desagrado, miedo, con etiquetas de mala clasificación más altas para tristeza.