Apprendimento profondo per il riconoscimento delle emozioni: Dalla teoria alla pratica

Questo libro analizza gli sviluppi della visione artificiale e della percezione emotiva automatizzata dell'intelligenza artificiale. In particolare, vengono utilizzati algoritmi di deep learning, DCNN e VGG19 per combinare il linguaggio del corpo e le informazioni contestuali, compresi i fattori ambientali, sociali e culturali. Ottimizziamo le reti neurali profonde aggregando numerosi set di immagini, tra cui EMOTIC (ADE20K, MSCOCO), EMODB_SMALL e FRAMESDB, per valutare correttamente le dimensioni emotive continue e le emozioni discrete. I nostri risultati mostrano notevoli progressi rispetto ai metodi attuali, migliorando la consapevolezza emotiva contestuale. Questo lavoro apre la strada ad applicazioni significative nella robotica sociale, nell'affective computing e nell'interazione uomo-macchina, consentendo un rilevamento emozionale complesso in diversi contesti del mondo reale.