Apprentissage profond pour la reconnaissance des émotions : De théorie à pratique: Exploiter les approches contextuelles et multimodales une meilleure compréhension

Ce livre étudie les développements de la vision par ordinateur et de la perception émotionnelle automatisée par l'intelligence artificielle. Plus précisément, nous utilisons des algorithmes d'apprentissage profond, DCNN et VGG19 pour combiner le langage corporel et les informations contextuelles, y compris les facteurs environnementaux, sociaux et culturels. Nous optimisons les réseaux neuronaux profonds en agrégeant de nombreux ensembles de données d'images, notamment EMOTIC (ADE20K, MSCOCO), EMODB_SMALL et FRAMESDB, afin d'évaluer correctement les dimensions émotionnelles continues et les émotions discrètes. Nos résultats montrent des progrès notables par rapport aux méthodes actuelles, améliorant la conscience émotionnelle contextuelle. Ce travail ouvre la voie à des applications significatives en robotique sociale, en informatique affective et en interaction homme-machine, permettant la détection d'émotions complexes dans de nombreux contextes différents du monde réel.