Resumen

El uso del método de red neuronal convolucional (CNN) para el reconocimiento de emociones en imágenes es un tema de investigación destacado en el aprendizaje profundo. Estudios anteriores tienden a utilizar características visuales obtenidas desde una perspectiva global e ignoran el papel de las características visuales locales en la excitación emocional. Además, los mapas de características superficiales de la CNN contienen información del contenido de la imagen; tales mapas obtenidos de capas superficiales directamente para describir características visuales de bajo nivel pueden llevar a redundancias. Con el fin de mejorar el rendimiento del reconocimiento de emociones en imágenes, se propone en este trabajo una CNN mejorada. En primer lugar, se utiliza un algoritmo de detección de saliencia para localizar la región emocional de la imagen, la cual sirve como información complementaria para llevar a cabo un mejor reconocimiento emocional. En segundo lugar, se realiza una transformación de la matriz Gram en los mapas de características superficiales de la CNN para disminuir la redundancia de la información del contenido de la imagen. Finalmente, se diseña una nueva función de pérd

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Red neuronal convolucional; Reconocimiento de emociones en imágenes; Aprendizaje profundo; Características visuales; Mapas de características poco profundas de CNN; Rendimiento en el reconocimiento de emociones.
• Keywords:Convolutional neural network; Image emotion recognition; Deep learning; Visual features; CNN shallow feature maps; Emotion recognition performance