Un estudi de la Universitat de les Illes Balears proposa un mètode nou perquè les xarxes neuronals identifiquin els atributs més útils per al reconeixement d’expressions facials 

Les xarxes neuronals artificials són capaces d’aprendre totes soles a partir d’un conjunt de dades. Així, una xarxa neuronal pot estimar l'expressió facial a partir d'una imatge de la cara i diferenciar entre diverses emocions: enuig, menyspreu, fàstic, por, alegria, tristesa, sorpresa i neutra. Ara bé, és difícil explicar què ha après i en què es fixa per triar l'expressió reconeguda.

Un equip d’investigadors de la Unitat de Gràfics i Visió per Ordinador i Intel·ligència Artificial (UGIVIA) de la Universitat de les Illes Balears ha publicat recentment un estudi, fet en col·laboració amb investigadors de la Universitat Federal de Pernambuco (Brasil), en el qual es proposa un mètode nou per determinar quines característiques són importants per aprendre cada una de les vuit expressions facials proposades.

Mitjançant una representació dispersa i la combinació de diferents mètodes d’aprenentatge, els investigadors han estudiat quines característiques i mètodes per extreure informació de la cara són els més importants per a cada expressió.

Els resultats obtinguts ens indiquen quins mètodes milloren més els resultats d’aprenentatge en la classificació d’expressions facials. A més, s'han detectat mètodes especialitzats per a expressions concretes.

Aquests resultats obren la porta a millorar els sistemes de reconeixement automàtic d’expressions facials, que es poden utilitzar en àmbits com la salut i l’atenció social. El reconeixement d’expressions facials s'utilitza per millorar la interacció persona-màquina, que inclou la intel·ligència artificial emocional. Pel fet que afecten persones, i amb l'objectiu d'evitar biaixos         que puguin ser discriminatoris per motius de gènere, edat o ètnia, és important entendre aquests sistemes intel·ligents.

Projecte EXPLAINING

Aquest estudi s’ha fet en el marc del projecte EXPLAINING PID2019-104829RAI00 - «EXPLainable Artificial INtelligence systems for health and well-beING (EXPLAINING)» que finança MCIN/AEI/10.13039/501100011033 i que té com a objectiu dissenyar i desenvolupar mètodes i tècniques aplicades a la intel·ligència artificial en l’àmbit de la salut.

Els investigadors que hi han participat són el doctor Josep M. Buades, professor contractat doctor del Departament de Ciències Matemàtiques i Informàtica i membre de la UGIVIA; el doctor Antoni Jaume i Capó, professor titular del Departament de Ciències Matemàtiques i Informàtica i membre de la UGIVIA, i els investigadors de la Universitat Federal de Pernambuco Pedro D. Marrero Fernández i Tsang Ing Ren.

Referència bibliogràfica

 

Marrero-Fernández, P.D.; Buades-Rubio, J. M.; Jaume-i-Capó, A.; Ing Ren, T. An Approach for Selecting the Most Explanatory Features for Facial Expression Recognition. Appl. Sci. 2022, 12, 5637. https://doi.org/10.3390/app12115637 

Data de publicació: 23/02/2023