El papel de las redes neuronales convolucionales en el reconocimiento facial y emocional

La investigación, llevada a cabo en el Advanced Data Engineering Lab, tuvo como objetivo desarrollar un sistema de reconocimiento facial y emociones, en tiempo real. Este proyecto, que forma parte de una iniciativa más amplia para mejorar la interacción humano-máquina, utilizó redes neuronales convolucionales y algoritmos de aprendizaje automático, como Random Forest, para analizar expresiones faciales. Los sistemas de cómputo empleados tenían la capacidad de realizar procesamiento intensivo de datos en tiempo real. Los modelos CNN fueron entrenados utilizando el conjunto de datos FER2013, aplicando técnicas de aumento de datos y preprocesamiento para mejorar la generalización del modelo. El modelo B, con una arquitectura optimizada, alcanzó una precisión del 64%, superando el rendimiento de otros modelos. Sin embargo, el estudio reveló dificultades para clasificar con precisión emociones negativas sutiles, como la tristeza, la ira y el miedo, lo que destaca la necesidad de conjuntos de datos más equilibrados y mejores técnicas de extracción de características. La investigación sugiere que las mejoras futuras deben centrarse en el uso de conjuntos de datos más grandes y diversos, así como en técnicas avanzadas como el aprendizaje por transferencia. El sistema propuesto tiene un gran potencial para aplicaciones en contextos industriales, especialmente para mejorar la interacción humano-robot y el monitoreo de la seguridad de los trabajadores.