Un estudio de la Universidad de las Islas Baleares propone un método novedoso para que las redes neuronales identifiquen los atributos más útiles para el reconocimiento de expresiones faciales
Las redes neuronales artificiales son capaces de aprender solos a partir de un conjunto de datos. Así, una red neuronal puede estimar la expresión facial a partir de una imagen de la cara y diferenciar entre diversas emociones: enfado, desprecio, fastidio, miedo, alegría, tristeza, sorpresa y neutra. Ahora bien, es difícil explicar qué ha aprendido y en qué se fija para elegir la expresión reconocida.
Un equipo de investigadores de la Unidad de Gráficos y Visión por Ordenador e Inteligencia Artificial (UGIVIA) de la Universidad de las Islas Baleares ha publicado recientemente un estudio, realizado en colaboración con investigadores de la Universidad Federal de Pernambuco (Brasil), en el que se propone un método nuevo para determinar qué características son importantes para aprender cada una de las ocho expresiones faciales propuestas.
Mediante una representación dispersa y la combinación de diferentes métodos de aprendizaje, los investigadores han estudiado qué características y métodos para extraer información de la cara son los más importantes para cada expresión.
Los resultados obtenidos nos indican qué métodos mejoran más los resultados de aprendizaje en la clasificación de expresiones faciales. Además, se han detectado métodos especializados para expresiones concretas.
Estos resultados abren la puerta a mejorar los sistemas de reconocimiento automático de expresiones faciales, que se pueden utilizar en ámbitos como la salud y la atención social. El reconocimiento de expresiones faciales se utiliza para mejorar la interacción persona-máquina, que incluye la inteligencia artificial emocional. Por el hecho de que afectan a personas, y con el objetivo de evitar sesgos que puedan ser discriminatorios por motivos de género, edad o etnia, es importante entender estos sistemas inteligentes.
Proyecto EXPLAINING
Este estudio se ha realizado en el marco del proyecto EXPLAINING PID2019-104829RAI00 - «EXPLainable Artificial INtelligence systems for health and well-beING (EXPLAINING)» que financia MCIN/AEI/10.13039/501100011033 y que tiene como objetivo diseñar y desarrollar métodos y técnicas aplicadas a la inteligencia artificial en el ámbito de la salud.
Los investigadores que han participado son el doctor Josep M. Buades, profesor contratado doctor del Departamento de Ciencias Matemáticas e Informática y miembro de la UGIVIA; el doctor Antoni Jaume i Capó, profesor titular del Departamento de Ciencias Matemáticas e Informática y miembro de la UGIVIA, y los investigadores de la Universidad Federal de Pernambuco Pedro D. Marrero Fernández y Tsang Ing Ren.
Referencia bibliográfica:
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
