Hybrid Learning Based Visual Facial Emotion Recognition in Speech Videos

Der Artikel geht auf den kritischen Bereich der emotionalen Erkennung in der künstlichen Intelligenz ein und beleuchtet ihre Anwendungen in verschiedenen Bereichen wie Gesundheitswesen, autonomes Fahren und Mensch-Computer-Interaktion. Es betont die wachsende Notwendigkeit sicherer und zuverlässiger Methoden zum Schutz von Daten, wobei sich die Verhaltensbiometrie als vielversprechende Lösung herauskristallisiert. Die Forschung konzentriert sich auf die Herausforderungen und Fortschritte bei der Erkennung von Gesichtsemotionen, insbesondere in Sprachvideos, wo die Integration von Gesichts- und Sprachausdruck für die präzise Erkennung von Emotionen von entscheidender Bedeutung ist. Die Studie stellt einen hybriden Lernansatz vor, der tiefe konvolutionale neuronale Netzwerke zur Feature-Extraktion und maschinelle Lernklassifikatoren zur Emotion-Vorhersage nutzt. Die vorgeschlagene Methode wird anhand des RAVDESS-Datensatzes ausgewertet und ihre Leistung mit bestehenden Modellen verglichen. Die experimentellen Ergebnisse zeigen signifikante Verbesserungen bei Genauigkeit, Präzision, Recall und F1-Score, was das Potenzial des hybriden Ansatzes bei der Verbesserung von Emotionserkennungssystemen unterstreicht. Der Artikel diskutiert auch die Beschränkungen aktueller Modelle und schlägt zukünftige Forschungsrichtungen vor, einschließlich der Verwendung vielfältigerer und naturalistischerer emotionaler Datensätze und fortgeschrittener Techniken zur Datenerweiterung. Die detaillierte Analyse und vergleichende Bewertung gibt einen umfassenden Überblick über den aktuellen Zustand und die zukünftigen Aussichten der Gesichtserkennung in Sprachvideos.