자동 얼굴 감정 인식은 얼굴 감정 인식(FER)이라고도 하며, 컴퓨터 비전 및 인공지능 분야에서 진행 중인 작업의 기본적인 기능입니다. FER의 주요 목표는 행복, 슬픔, 분노, 두려움, 혐오, 놀라움 및 중립성을 포함한 감정 인식입니다. 이 리뷰 논문은 11개의 인기 있는 FER 데이터셋(CK+, FER-2013, JAFFE, SAVEE, AffectNet, KDEF, RAF-DB, RAVDESS, RFD, Oulu-Casia NIR & VIS, SFEW 2.0) 간의 종합적인 비교를 제시합니다. 비교는 데이터셋 크기, 감정 클래스, 데이터 유형, 참가자의 연령대 및 감정 분포를 포함한 다양한 메트릭을 통해 수행됩니다. 이 연구는 이러한 데이터셋에서 고전적인 방법(예: SVM, HOG)과 최신 딥러닝 모델(예: CNN, LSTM)의 정확성을 대비하며, 실험실에서의 우수한 정확도(예: CK+에서 SCNN으로 99.68%)와 현실 세계에서의 지속적인 어려움(예: SFEW 2.0에서 CNN으로 61.29%)을 보여줍니다. 이 연구는 감정의 비대칭성, 인구 통계적 편향 및 현실 세계에서의 이질성과 같은 주요 도전 과제를 설명합니다. 이 연구는 기존 데이터셋 및 접근 방식의 단점을 언급하며, 데이터셋의 다양성 추가, 다중 모달 융합 및 문화적으로 적응 가능한 모델 구축을 포함한 향후 연구 방향을 제안합니다. 현장 검토는 FER의 과학적 근거와 응용 범위를 강화하고 연구자 및 실무자를 위한 포괄적인 가이드북을 제공하기 위해 시도합니다.
Kayhan 외 (Tue,)은 이 문제를 연구했습니다.