Apr, 2024
属性的力量：情感分类中影响因素的揭示
The Power of Properties: Uncovering the Influential Factors in Emotion Classification
Tim Büchner, Niklas Penzel, Orlando Guntinas-Lichius, Joachim Denzler
TL;DR人脸表情和人类情感识别是心理学和医学的关键研究领域之一，现有的末端到末端训练的神经网络是目前唯一能达到最先进分类性能的模型，然而这种黑盒模型缺乏透明度，因此需要对决策过程进行分析和确定规则，同时分析单独输入样本无法暴露出系统性的学习偏差，这些偏差主要与人脸特征和抽象信息有关联，如年龄和医疗状况，理解模型的预测行为需要基于这些特征的因果分析，我们证明了高达 91.25% 分类器输出行为变化在基本特性方面是具有统计学显著性的，其中包括年龄、性别和面部对称性，此外，表面肌电图的医学使用对情感预测也有显著影响，我们提出了一个评估显式特性及其影响的工作流程，这些见解可以帮助医学专业人员在选择和应用分类器时考虑他们专业领域的特殊数据和特性。