Deep Learning für die Erkennung von Emotionen: der Theorie zur Praxis: Nutzung kontextuellen und multimodalen Ansätzen ein besseres Verständnis

Dieses Buch untersucht die Entwicklungen in der automatisierten emotionalen Wahrnehmung durch Computer Vision und künstliche Intelligenz. Insbesondere verwenden wir Deep Learning-, DCNN- und VGG19-Algorithmen, um Körpersprache und kontextuelle Informationen zu kombinieren, einschließlich umweltbezogener, sozialer und kultureller Faktoren. Wir optimieren tiefe neuronale Netze durch die Aggregation vieler Bilddatensätze, darunter EMOTIC (ADE20K, MSCOCO), EMODB_SMALL und FRAMESDB, um kontinuierliche emotionale Dimensionen und diskrete Emotionen richtig zu bewerten. Unsere Ergebnisse zeigen bemerkenswerte Fortschritte im Vergleich zu aktuellen Methoden und verbessern die kontextbezogene emotionale Wahrnehmung. Diese Arbeit öffnet den Weg für bedeutende Anwendungen in der sozialen Robotik, im Affective Computing und in der Mensch-Maschine-Interaktion und ermöglicht eine komplexe emotionale Wahrnehmung in vielen verschiedenen realen Kontexten.