机构名称：
¥ 2.0
摘要：由于在心理学，医疗保健和娱乐等领域，通过使用人与计算机相互作用（HCI），通过使用人与计算机相互作用（HCI），情绪识别在深度学习（DL）和计算机视觉领域变得越来越重要。在本文中，我们使用DL和计算机愿景对面部和姿势识别进行系统评价，分析和评估来自其他来源的77篇论文，这些论文在首选的报告项目中，用于系统评价和元分析（PRISMA）指南。我们的评论涵盖了几个主题，包括研究的范围和目的，所采用的方法和使用的数据集。这项工作的范围是使用DL方法和计算机视觉对面部和构成情感识别的系统审查。研究是根据提议的分类法对研究进行了分类的，该分类法描述了用于情绪检测，测试环境，当前相关的DL方法和所使用的数据集的表达式类型。我们评论中方法的分类法包括卷积神经网络（CNN），更快的基于区域的卷积神经网络（R-CNN），Vision Transformer（VIT）和“其他NNS”，它们是分析研究中最常用的模型，表明它们在现场的趋势。混合和增强模型在此分类法中没有明确分类，但它们对该领域仍然很重要。本评论提供了对最先进的计算机视觉算法和数据集的了解，以通过面部表情和身体姿势来识别情感，从而使研究人员能够了解其基本组件和趋势。
通过计算机视觉和深度学习对情绪检测的系统评价
主要关键词
相关文件推荐
