| Revista: | Científica (México, D.F.) |
| Base de datos: | |
| Número de sistema: | 000594520 |
| ISSN: | 1665-0654 |
| Autores: | Rodríguez-Azar, Paula Ivone1 Mejía-Muñoz, José Manuel1 Ochoa-Zezzatti, Carlos Alberto1 |
| Instituciones: | 1Universidad Autonoma de Ciudad Juarez, |
| Año: | 2022 |
| Volumen: | 26 |
| Número: | 2 |
| Paginación: | 1-9 |
| País: | México |
| Idioma: | Español |
| Resumen en inglés | The identification of emotions through the reading of non-verbal signals, such as gestures and facial expressions, has generated a new application in the field of Facial Expression Recognition (FER) and human-computer interaction. Through the recognition of facial expressions, it would be possible to improve industrial equipment by making it safer through social intelligence that has excellent applications in the area of industrial security. That is why this research proposes to classify a series of images from the database called FER-2013, which contains data on seven different emotions, which are anger, disgust, fear, joy, sadness, surprise, neutral. For the recognition of expressions, a Vision Transformer architecture was implemented, of which 87% precision was obtained, while the top test accuracy was 99%. |
| Resumen en español | La identificación de emociones a través de la lectura de señales no verbales, como gestos y expresiones faciales, ha generado una nueva aplicación en el campo del Reconocimiento de Expresión Facial (FER por sus siglas en ingles) y la interacción humano ordenador. A través del reconocimiento de expresiones faciales, sería posible mejorar los equipos industriales haciéndolos más seguros a través de la inteligencia social que tiene excelentes aplicaciones en el área de la seguridad industrial. Es por ello que en esta investigación se propone clasificar una serie de imágenes de la base de datos denominada FER-2013, que contiene datos sobre siete emociones distintas, las cuales son enfado, asco, miedo, alegría, tristeza, sorpresa, neutral. Para el reconocimiento de expresiones se implementó la arquitectura Vision Transformer, de la cual se obtuvo un 87% de exactitud, mientras que la exactitud más alta fue de 99%. |
| Palabras clave: | vision transformer, facial expressions, emotion recognition |
| Keyword: | vision transformer, expresiones faciales, reconocimiento de emociones |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
