Bayesian network classifiers - Facial expression recognition

[luis.negrete.g]

Comprender las emociones humanas es una de las habilidades necesarias para que la computadora interactúe de manera inteligente con los usuarios humanos. La forma más expresiva en que los humanos muestran las emociones es a través de expresiones faciales. En este documento, se informa sobre varios avances que se han realizado en la construcción de un sistema para la clasificación de expresiones faciales a partir de la entrada continua de video. Se han utilizado clasificadores de red bayesianos para clasificar expresiones de video. Uno de los factores que motiva el uso de los clasificadores de red Bayesianos es su capacidad para manejar los datos que faltan, tanto durante la inferencia como durante el entrenamiento. En particular, nos interesa el problema de aprender con datos etiquetados y no etiquetados. Mostramos que cuando se utilizan datos no etiquetados para aprender clasificadores, el uso de supuestos de modelado correctos es fundamental para lograr un mejor rendimiento de clasificación. Se presenta un algoritmo de búsqueda de estructura estocástica impulsado por la clasificación para aprender la estructura de los clasificadores de red bayesianos. Se muestra que con conjuntos de entrenamiento etiquetados de tamaño moderado y gran cantidad de datos no etiquetados, este método puede utilizar datos no etiquetados para mejorar el rendimiento de la clasificación. También se proporcionan resultados utilizando los clasificadores Naive Bayes (NB) y Naive Bayes aumentados por árbol (TAN), que muestran que los dos pueden lograr un buen rendimiento con los conjuntos de entrenamiento etiquetados, pero tienen un rendimiento pobre cuando se agregan datos no etiquetados al conjunto de entrenamiento.