一種用于上下文感知情緒識別的深度學習技術

延世大學和洛桑聯邦理工學院(EPFL)的研究人員團隊最近開發了一種新技術，該技術可以通過分析圖像中的人臉以及上下文特征來識別情緒。他們在arXiv上預先發表的一篇論文中介紹并概述了他們基于深度學習的架構，稱為CAER-Net。

幾年來，全世界的研究人員一直在嘗試開發通過分析圖像，視頻或音頻片段來自動檢測人類情緒的工具。這些工具可能具有許多應用程序，例如，改善機器人與人的互動或幫助醫生識別精神或神經疾病的跡象(例如，基于非典型的言語模式，面部特征等)。

到目前為止，大多數用于識別圖像中情緒的技術都是基于對人臉表情的分析，基本上是假設這些表情最能傳達人的情緒反應。結果，用于訓練和評估情緒識別工具的大多數數據集(例如，AFEW和FER2013數據集)僅包含人臉的裁剪圖像。

常規情緒識別工具的主要局限性在于，當人們的面部表情模糊或難以區分時，它們無法獲得令人滿意的性能。與這些方法相反，人類不僅能夠基于自己的面部表情，而且能夠基于上下文線索(例如，他們正在執行的動作，與他人的互動，所在的位置等)來識別他人的情緒。

過去的研究表明，同時分析面部表情和與上下文相關的特征可以顯著提高情緒識別工具的性能。受這些發現啟發，延世大學和EPFL的研究人員著手開發一種基于深度學習的體系結構，該體系結構可以基于人的面部表情和上下文信息識別圖像中的情緒。