59、面部表情情感识别与电力质量扰动分类研究

面部表情情感识别与电力质量扰动分类研究

面部表情情感识别

在面部表情情感识别领域，研究人员开发了一种用于从面部表情识别情感的深度推理模型。该模型基于CKP数据集，针对静态面部表情的情感识别问题，设计了专门的卷积神经网络。

模型评估指标

为了评估模型的性能，研究人员给出了三种不同版本（Gaussian (a)、UnitBall (b)、Xavier (c)）在七种情感（愤怒、轻蔑、厌恶、恐惧、快乐、悲伤、惊讶）上的精确率（Prec.）、召回率（Rec.）和F1值，具体数据如下表所示：
| 情感 | Gaussian (a) Prec. | Gaussian (a) Rec. | Gaussian (a) F1 | UnitBall (b) Prec. | UnitBall (b) Rec. | UnitBall (b) F1 | Xavier (c) Prec. | Xavier (c) Rec. | Xavier (c) F1 |
| — | — | — | — | — | — | — | — | — | — |
| 愤怒 | 0.747 | 0.985 | 0.850 | 0.949 | 0.985 | 0.967 | 0.833 | 0.985 | 0.903 |
| 轻蔑 | 0.949 | 1 | 0.974 | 1 | 1 | 1 | 1 | 1 | 1 |
| 厌恶 | 0.652 | 0.894 | 0.754 | 0.820 | 1 | 0.901 | 0.830 | 1 | 0.907 |
| 恐惧 | 0.820 | 0.864 | 0.41 | 0.924 | 0.917 | 0.920 | 0