Resumen

El interés por el reconocimiento de la expresión facial (FER) aumenta día a día debido a sus aplicaciones prácticas y potenciales, como el diagnóstico de la interacción fisiológica humana y la detección de enfermedades mentales. Esta área ha recibido mucha atención por parte de la comunidad investigadora en los últimos años y ha logrado resultados notables; sin embargo, se requiere una mejora significativa en los problemas espaciales. Este trabajo de investigación presenta un marco novedoso y propone una solución eficaz y robusta para FER en un entorno sin restricciones. La detección facial se realiza mediante la supervisión de los atributos faciales. Se utiliza Faceness-Net para respuestas profundas de partes faciales para la detección de rostros bajo variaciones severas no restringidas. Para mejorar los problemas de generalización y evitar el régimen de datos insuficientes, se utiliza Deep Convolutional Graphical Adversarial Network (DC-GAN). Debido a los desafiantes factores ambientales a los que nos enfrentamos en la naturaleza, un gran número de ruidos perturban la extracción de características, lo que dificulta la captura de la verdad sobre el terreno. Aprovechamos diferentes sensores multimodales con una cámara que ayuda en la adquisición de datos, extrayendo las características con mayor precisión y mejorando el rendimiento general de FER. Estos sensores inteligentes se utilizan para hacer frente a retos significativos como la variación de la iluminación, la dependencia del sujeto y la pose de la cabeza. Se utiliza una red de cápsulas mejorada que es capaz de resolver el problema espacial. Las redes de cápsulas tradicionales no son capaces de extraer suficientemente los rasgos, ya que la distancia varía mucho entre los rasgos faciales. Por lo tanto, la red propuesta es capaz de realizar transformaciones espaciales gracias al mecanismo de unidad de acción consciente y, por lo tanto, envía la mayoría de las características deseadas para el enrutamiento dinámico entre cápsulas. Para la función de clasificación se utiliza la función de aplastamiento. Hemos elaborado la eficacia de nuestro método validando los resultados en cuatro bases de datos populares y versátiles que superan a todos los métodos del estado de la técnica.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:fer, red adversarial gráfica convolucional profunda, respuestas profundas de la parte facial, diagnóstico de la interacción fisiológica humana, diferentes sensores multimodales, reconocimiento de la expresión facial, régimen de datos insuficiente, detección de enfermedades mentales, variaciones severas no restringidas, redes capsulares tradicionales
• Keywords:fer, deep convolutional graphical adversarial network, deep facial part responses, human physiological interaction diagnosis, different multimodal sensors, facial expression recognition, insufficient data regime, mental diseases detection, severe unconstrained variations, traditional capsule networks