使用深度学习的认知边缘计算情感识别

物联网（IoT）的日益普及增加了需要被处理的数据量。边缘计算可以减轻将大量数据传输到云端的负担。它还可以为用户提供更低的延迟和实时体验。本文提出了一种基于边缘计算的面部图像情感识别系统。提出了一种卷积神经网络（CNN）模型用于情感识别。该模型在空闲时间里在云中训练，并下载到边缘服务器。在测试过程中，终端设备如智能手机捕捉到面部图像并进行一些预处理，包括人脸检测、人脸裁剪、对比度增强和图像缩放。预处理后的图像然后发送到边缘服务器。边缘服务器运行CNN模型并推断情感决策。然后将决策传回智能手机。评估使用了两个数据集，JAFFE和扩展的Cohn-Kanade（CK+）。实验结果表明，所提系统节能，具有较少的可学习参数和良好的识别准确性。使用JAFFE和CK+数据集的准确率分别为93.5%和96.6%。