去哪个网站找题目给孩子做,怎么搭建个人博客,深圳百度快速排名优化,廊坊网站建设公司墨子来源#xff1a;雷锋网与人类一样#xff0c;AI也学会了“察言观色”有研究表明#xff0c;人类在相似的社会环境下表达情感的面部表情几乎是相同的。如果一个人皱眉、嘟嘴、脸色涨红#xff0c;你一定知道TA是在生气#xff0c;现在AI同样能够“看穿”这一点。情感分析一… 来源雷锋网与人类一样AI也学会了“察言观色”有研究表明人类在相似的社会环境下表达情感的面部表情几乎是相同的。如果一个人皱眉、嘟嘴、脸色涨红你一定知道TA是在生气现在AI同样能够“看穿”这一点。情感分析一直是AI的重点研究方向它分为文本识别、语音识别、视觉识别三种主要途径后者也就是面部表情的分析。最近这项研究又有了新的进展。在识别生气愤怒、开心、悲伤等情绪特征的基础上AI或许能够更进一步追踪面部情绪变化的全过程。近日三星人人工智能研究院Samsung AI联合伦敦帝国理工学院Imperial College London在《自然机器智能》期刊发表了一篇名为《自然状态下人脸连续性效价和唤醒水平估计》的论文。在论文中研究人员称他们开发了一种基于深度神经网络的AI系统该系统可以通过分析日常环境下拍摄的图像\视频高精度地估计人脸面部的情绪效价和情绪唤醒。这意味着AI系统不仅能够快速、实时且精准地监测面部情绪同时还能呈现不同情绪所达到的程度。▍用深度神经网络识别面部表情上述提到的情绪效价 Valence 和情绪唤醒Arousal是心理学专家用来评估人类情绪的专业术语。其中前者描述了一个人对于某事物的感兴趣或排斥的程度。后者是指一个人对外界刺激重新产生反应的程度比如是微笑大笑狂笑还是歇斯底里的笑。在大部分人眼中通过看脸评估情绪效价和唤醒是很容易的但对于机器来说却是一项艰难的挑战。在全世界范围内众多科研机构和人员都在开发基于深度神经网络的模型以根据人们的面部表情预测情绪然而到目前为止所开发的大多数模型仅能够检测出愤怒、快乐、悲伤等主要情绪状态而不是人类情感中更微妙的情绪特征。而本次研究提出的深度神经网络模型能够在识别8种基本面部情绪之上进一步评估情绪的效能水平积极状态 or 消极状态以及唤醒水平激动 or 平静。如研究人员在论文中写道“长期以来我们一直致力于研究面部情感分析一般来说情感的离散类别有限无法覆盖人类每天表现出的所有情绪范围因此我们把注意力转移到更普遍的情感维度上即效价和唤醒。”他们将该模型在三个具有挑战性的数据集上进行了测试效果如下如我们所见在连续性状态下模型能够精准识别面部情绪并实时反映其情绪所达到的程度如蓝色条越高代表越愤怒。黄色条的高度代表悲伤的程度。研究人员介绍该模型主要是通过特定五官来分析面部表情如一个人的嘴唇、鼻子、眼睛等这使得它能够把注意力集中在与估计效价和唤醒水平最相关的区域并实现分析人脸在自然状态下的情绪特征。另外该AI模型还能够在8种常见的面部情绪中给出更精确的监测定位如右下角。研究人员称该模型能够在给定的面部图像上准确地、连续性地估计情绪效价和唤醒是因其经过了有注释的图像数据集的训练这些图像包含了有关效价和唤醒的信息。同时在算法方面为了提高模型在任务中的性能他们使用了离散情绪类别作为辅助标签以提供额外监督为了防止在网络训练过程中出现过拟合问题采用了随机过程、抖动正则化相结合的方法。当然除了关键算法构建机器学习系统还需要一个基本要素合适的数据集。以上Demo的训练数据集为AFEW-VA和SEWA它们是研究团队专门自建的可用于训练情绪识别的深层神经网络的数据集。研究人员说“我们创建AFEW-VA数据集目的是要验证在自然条件下模型的有效性而不是受控于实验室条件下的有效性。因此该数据集包含的内容均来自真实世界所拍摄的图像和视频。”在最初的评估中深度神经网络模型能够在自然条件下拍摄的人脸图像中达到前所未有的准确度而且在AffectNet和SEWA数据集上进行测试时它所表现的性能与人工标注基本能够达到一致性。研究人员说“我们的神经网络在两个数据集上的表现优于专家注释之间的一致性。”这意味着如果将神经网络视为另一个人工注释者那么它与人类注释者之间的一致性至少与其他人类注释者之间的一致性相同这样的结果是非常显著的。”更重要的是除了性能表现良好外,采用深度学习更易于操作和退推广因为它的预测是基于普通相机拍摄的图像和视频例如它可以用于市场分析或创造更具交互性的机器人。论文的最后研究人员强调无论是情绪类型识别的精度度还是反映不同情绪的变化过程该AI模型要优于所有现有的方法。看到这里有同学可能会好奇AI为什么要达到如此高的情绪识别度▍有哪些潜在应用场景其实面部情感分析的目的是让计算机更好地理解人的情绪状态从而创建更友好的人机交互过程。在现实环境中它在智能驾驶、新零售、临床医疗等诸多领域都有着广泛的应用场景也正是这些领域对AI识别人类情绪的能力提出了更高的要求。例如在智能驾驶领域AI对驾驶员的表情识别是提升智能汽车安全性和舒适性的关键因素。比如当系统推荐了一首驾驶员或乘客不喜欢的音乐时通过分析车内人员的面部表情系统便可自动“切歌”。或者在新零售领域商家可以采用表情识别技术分析顾客情绪了解他们对不同商品的喜好程度以此推荐适合的广告实现精准营销等等。随着人工智能技术和相关学科的飞速发展人们对自动化和人机交互的需求日益强烈表情识别作为计算机理解人类情感的基础相关研究成果也有了很大的进展不过总体而言仍处于实验室探索阶段距离大规模场景落地还有很长的一段距离。另外据有关研究表明人类的面部表情至少有21种除了高兴、悲伤、愤怒、厌恶等8种常见情绪外还有13种可别区分的复合表情。那么你觉得未来AI真的能看懂人类复杂的情绪变化吗未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
