Reconocimiento de Emociones mediante técnicas de aprendizaje profundo

Abstract

[ES] Con la realización de este proyecto se quiere profundizar en el uso de técnicas de aprendizaje automático para el problema de reconocimiento de emociones a partir de rostros. La técnica que emplearemos para abordar el problema es: redes neuronales convolucionales. Durante el transcurso de este proyecto describiremos en qué consiste esta técnica y cómo funciona. Describiremos cómo la aplicamos para el problema que tenemos entre manos y las herramientas utilizadas para ello. También describiremos todo el proceso que conlleva la resolución de un problema de este tipo: preparación de los datos y arquitectura de la red neuronal, y todo el proceso de aprendizaje y evaluación de resultados. Por último presentaremos los resultados obtenidos en términos de precisión del modelo y también las conclusiones a las que hemos llegado una vez finalizadas las pruebas. Para la resolución de este problema emplearemos Python como lenguaje de programación, Theano como librería de aprendizaje automático y Blocks como framework para trabajar de forma cómoda con Theano. Este proyecto tiene un doble objetivo. Por un lado, aprender a usar esta clase de técnicas que, pese a tener varias décadas de edad, son posibles hoy en día gracias al rápido avance de la infraestructura hardware. Por otro lado, comparar nuestros resultados con los obtenidos por otros investigadores en la resolución de un mismo problema. Este segundo objetivo es posible ya que emplearemos como conjunto de datos de entrenamiento los proveídos por la página web Kaggle, en una competición celebrada en 2013.

[EN] Through this project we want to deepen our knowledge about machine learning techniques by finding a solution for recognizing emotions from facial expressions. The technique we will use in order to achieve this is called convolutional neural networks. 4 During the course of this project we will describe what this technique is about, how it works, how we apply it to the problem we are dealing with and the tools we use to support our solution. We will also explain the process of solving our problem in terms of setting up the data, architecture and learning process of the neural network and giving an evaluation of the found results. Lastly, we will present the results in terms of the model’s accuracy and we will give a conclusion based on the collected test results. In order to solve this problem we will use Python as our coding language, Theano as our machine learning library and Blocks as a framework so we can work comfortably with Theano. This project has a double objective, the first one being that we learn to use machine learning techniques that, despite being several decades old, they are possible nowadays because of the advancement of hardware. The second objective is to rank our results with the ones obtained by other researchers by solving the same problem. Completing this last objective is possible because we will be using a dataset used in a competition in facial emotion recognition held by the website Kaggle in 2013.

[EN] Mitjançant la realització d’aquest projecte volem aprofundir en l’ús de tècniques d'aprenentatge automàtic aplicat al problema de reconeixement d’emocions a partir de rostres. La tècnica que utilitzem per a resoldre el problema es: xarxes neuronals convolucionals. Durant el transcurs d’aquest projecte descriurem en que consisteix aquesta tècnica i com funciona. Descriurem com l’hem aplicat al problema que tenim davant i les ferramentes utilitzades per a fer-ho. També explicarem tot el procés que comporta la resolució d’un problema d’aquest tipus: preparar les dades i l’arquitectura de la xarxa neuronal i, tot el procés d’aprenentatge i avaluació de resultats. Finalment, presentarem els resultats obtinguts en termes de precisió del model i també les conclusions a què hem arribat una vegada finalitzades les probes. Per a la resolució del projecte utilitzarem Python com a llenguatge de programació, Theano com a llibreria d’ aprenentatge automàtic i Blocks com a framework per a treballar de manera còmoda amb Theano. 5 Aquest projecte té com a doble objectiu, per un costat, aprendre a usar aquest tipus de tècniques que, tot i que tenen diverses dècades de antiguitat, són possibles avui en dia gràcies als avanços del hardware. Per un altre costat, comparar els nostres resultats amb els obtinguts per investigadors en la resolució del mateix problema. Aquest segon objectiu és possible ja que utilitzarem com a conjunt de dades d’entrenament els proveïts per la pàgina web Kaggle, en una competició celebrada a 2013.