Reconhecimento de emoções em imagens utilizando técnicas de construção e otimização em métodos ensembles baseados em árvores de decisão.

Resumo

Este artigo realiza um estudo comparativo de técnicas de aprendizado de máquina, especificamente métodos ensembles, para reconhecer emoções em imagens através da caracterização de expressões faciais. Emoções humanas podem ser caracterizadas usando um sistema de codificação de movimentos faciais (FACS), que é uma taxonomia para classificar as expressões faciais humanas. Além disso, existe um conjunto discreto de emoções universais que um ser humano pode sentir, que são: raiva, desprezo, nojo, medo, alegria, tristeza e surpresa. Usamos o FACS para reconhecer as emoções universais usando métodos conjuntos em imagens da base de dados Cohn Kanade e, por fim, em uma variação da mesma base de dados (base de dados aumentada), no qual adicionamos algumas rotações e transformações nas imagens para torná-las menos laboratoriais. Para conduzir os experimentos, usamos dois cenários. No primeiro, apenas as imagens de alegria e tristeza foram submetidas aos métodos.
No segundo, usamos todas as emoções universais. No final, o melhor resultado foi obtido com o método ensemble Gradient Tree Boosting, alcançando até 93% de acurácia com a base de dados original e 98% com a base de dados aumentada. No segundo cenário, a acurácia média foi de 75% com a base de dados original e 77% com a base de dados aumentada. O otimização foi realizada empregando a técnica de random search para executar a otimização de hiperparâmetros dos pipelines de aprendizado de máquina.