Assessing the Efficacy of Deep Learning Approaches for Facial Expression Recognition in Individuals with Intellectual Disabilities

要約

顔の表情認識は、ソーシャル ロボットにユーザーの感情状態を識別する能力を与える手段として重要性を増しています。
ソーシャル ロボットの使用には、家庭、介護施設、デイケア センターなどのさまざまな環境が含まれており、幅広いユーザーにサービスを提供しています。
ディープラーニングのアプローチによって顕著なパフォーマンスが達成されていますが、知的障害を持つ個人の顔の表情を認識するためのディープラーニングの直接的な使用については、私たちの知る限り文献でまだ研究されていません。
この目的に取り組むために、知的障害のある個人を含まないデータセットのアンサンブルと、知的障害のある個人を特徴とするデータセットを含む、12 個の畳み込みニューラル ネットワークのセットをさまざまなアプローチでトレーニングします。
モデルのパフォーマンスと重要な画像領域の両方の結果を調査したところ、知的障害のある人とない人の間だけでなく、知的障害のある人の間でも顔の表情に大きな違いがあることが明らかになりました。
注目すべきことに、私たちの調査結果は、モデルが各ユーザーの固有の表情に効果的に対処できるようにする、ユーザー固有のトレーニング方法論による、この集団における顔の表情認識の必要性を示しています。

要約(オリジナル)

Facial expression recognition has gained significance as a means of imparting social robots with the capacity to discern the emotional states of users. The use of social robotics includes a variety of settings, including homes, nursing homes or daycare centers, serving to a wide range of users. Remarkable performance has been achieved by deep learning approaches, however, its direct use for recognizing facial expressions in individuals with intellectual disabilities has not been yet studied in the literature, to the best of our knowledge. To address this objective, we train a set of 12 convolutional neural networks in different approaches, including an ensemble of datasets without individuals with intellectual disabilities and a dataset featuring such individuals. Our examination of the outcomes, both the performance and the important image regions for the models, reveals significant distinctions in facial expressions between individuals with and without intellectual disabilities, as well as among individuals with intellectual disabilities. Remarkably, our findings show the need of facial expression recognition within this population through tailored user-specific training methodologies, which enable the models to effectively address the unique expressions of each user.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google