Deep Learning e rede neural convolucional para o reconhecimento de emoções

Abstract

Este artigo teve como objetivo realizar a construção, treinamento e análise de diferentes arquiteturas de redes neurais convolucionais no reconhecimento das sete emoções primárias básicas, incluindo raiva, nojo, medo, felicidade, tristeza, surpresa e neutralidade. Foram avaliadas duas arquiteturas amplamente utilizadas, a ResNet e DenseNet. Os resultados obtidos demonstraram que a arquitetura ResNet apresentou o melhor desempenho, chegando a 91% de precisão no reconhecimento das emoções, tendo executado quase metade das épocas, 110 execuções em comparação com a DenseNet que precisou de 210 para alcançar a maior precisão. Através de métricas analisou-se o desempenho dessas redes no reconhecimento de emoções por meio de imagens, mostrando que a escolha adequada da arquitetura da CNN pode ter um impacto significativo na precisão e na eficácia desses sistemas.