As express?es faciais humanas desempenham um papel fundamental na comunica??o
n?o-verbal e na transmiss?o de emo??es. Conceitualmente, as express?es faciais podem ser
deduzidas a partir da disposi??o dos m?sculos faciais. Sendo uma avalia??o subjetiva, a
constru??o de uma base de dados para o reconhecimento de express?es faciais torna-se um
desafio devido ao elevado risco de enviesamento decorrente de dados desequilibrados ou
imprecisos. Por outro lado, os avan?os nas t?cnicas de processamento de imagem e de
aprendizagem profunda t?m aumentado a precis?o e a efic?cia dos algoritmos de
reconhecimento de express?es faciais. Neste trabalho, com o objetivo de melhorar o
reconhecimento autom?tico de express?es faciais, apresentamos a fus?o de duas arquiteturas
de redes neurais. A primeira compreende uma rede neural convolucional unidimensional
(1D), com entrada caracterizada por pontos de refer?ncia da face, e uma segunda, uma rede
neural convolucional baseada no backbone DenseNet, com a pr?pria imagem do rosto como
entrada. O otimizador ADAM foi utilizado durante o treino desta rede. Foi utilizada a base de
dados AffectNet. O melhor resultado obtido foi uma precis?o de 60,40% no subconjunto de
teste, para a modalidade de 7 classes. Este resultado ? compar?vel aos melhores resultados
obtidos no conjunto de dados AffectNet.
|
