基于回归的Aff-Wild数据集情感识别：回归原始情感体验的价与唤醒值

简介：
本研究提出了一种基于回归方法的情感识别技术，专注于分析Aff-Wild数据集中个体的情绪状态，通过预测情感的效价（愉悦度）和唤醒值（激活水平），以量化并理解人类面部表情背后复杂的情感反应。 在使用Aff-Wild数据库中的视频来估算情感回归的价与唤醒值的过程中，我们采用了两个基于CNN（卷积神经网络）的框架进行研究。第一个模型是通过SENET预先训练于VGGFace数据集，并且微调了AFF-野生训练数据的一个子集以适应我们的任务需求。另一个则是采用CBAM注意模块增强特征提取能力的ResNet样式CNN，该模型完全基于Aff-Wild训练数据的一小部分从头开始进行训练。 对于这两个框架使用的超参数如下： 批量大小（Batch Size）= 32 优化器（Optimizer） = Adam 学习率（Learning Rate）= 默认值 周期数（Epochs）= 32 两个模型的训练与验证均方根误差图已经绘制完成。