目錄延世大學和洛桑聯邦理工學院(epfl)的研究團隊最近開發了一種新的技術，可以通過分析影象中的人臉和上下文特徵來識別情緒。他們在arxiv上預先發表的一篇**中介紹並概述了他們基於深度學習的架構，稱為caer-net。
迄今為止，大多數識別影象中情緒的技術都是基於對人們面部表情的分析，其隱藏條件是認為這些表情最能傳達人類的情緒反應。因此，大多數用於訓練和評估情緒識別工具的資料集(如afew和fer2013資料集)只包含剪裁過的人臉影象。
傳統的情緒識別工具的主要侷限是，當人們的面部表情模糊或難以區分時，它們無法獲得令人滿意的效能。與這些方法相比，人類不僅能夠根據自己的面部表情，而且還可以根據上下文線索(例如，他們正在執行的動作，與他人的互動，所在的位置等)來識別他人的情緒。
過去的研究表明，同時分析面部表情和與上下文相關的特徵可以顯著提高情緒識別工具的效能。受這些發現啟發，延世大學和洛桑聯邦理工學院的研究人員著手開發一種基於深度學習的網路架構，該網路架構可以基於人的面部表情和上下文資訊識別影象中的人的情緒。
研究人員在**中寫道: 「我們提出了一種被稱為caer-net的深層環境感知情感識別網路，它不僅利用了人類的面部表情，而且還通過聯合和增強的方式利用了環境資訊。」「關鍵思想是將人臉隱藏在視覺場景中，並基於注意力機制尋找其他上下文。」
研究人員開發的caer-net網路結構由兩個關鍵的子網路和編碼器組成，分別提取影象中的面部特徵和上下文區域。然後使用自適應融合網路將這兩種型別的特徵結合起來，並一起分析以**給定影象中人們的情緒。
除了caer- net，研究人員還引入了乙個新的資料集，用於上下文感知的情感識別，他們稱之為caer。該資料集中的影象同時描繪了人的面部和他們周圍的環境/背景，因此它可以作為乙個更有效的基準，用於培訓評估情緒識別技術。
研究人員在一系列實驗中使用使他們收集的資料集和一些資料集來評估他們的情緒識別技術。研究發現表明，正如之前的研究表明的那樣，分析面部表情和上下文資訊可以顯著提高情緒識別工具的效能。
研究人員寫道:"我們希望這項研究的結果將促進情境感知的情緒識別及其相關任務的進一步發展。"
參考：將深度學習技術應用於基於情境感知的情緒識別
a deep learning technique for context-aware emotion recognition
Launchable將機器學習應用於軟體測試
與jenkins ci cd平台的建立者川口浩介 kohsuke kawaguchi 共同創立的startup launchable 正在將機器學習應用於軟體測試。該公司的技術可以在源 發生更改的情況下 每次測試失敗的可能性。launchable仍處於隱身模式，可以提供 更智慧型 的測試和 更快 的...
將devop應用於資料科學和機器學習
資料科學家與軟體開發人員有一些共同的實踐和需求。資料科學家和軟體工程師都計畫，構造，編碼，迭代，測試和部署 以實現其目標。對於軟體開發人員來說，這通常意味著定製編碼應用程式和微服務。資料科學家與dataops進行資料整合，通過分析模型進行 並建立儀表板以幫助終端使用者瀏覽結果。希望實現運營工程師自動...
阿爾法圍棋 創始人稱其技術將應用於更多領域
當地 報道，在德國慕尼黑舉辦的2017年 數字生活設計 大會上，阿爾法圍棋 創始人 深度思維 公司首席執行官哈薩比斯說，阿爾法圍棋 的人工智慧技術將應用在更多領域。智搜 giiso 資訊成立於2013年是國內領先的 人工智慧 資訊 領域技術服務商，在大資料探勘 智慧型語義 知識圖譜等領域都擁有國內頂...