《Array》：Emotion recognition with a Randomized CNN-multihead-attention hybrid model optimised by evolutionary intelligence algorithm
編輯推薦：
為解決現有情感識別模型在計算效率和準確性方面的局限，研究人員開展了結合隨機卷積神經網絡（RCNN）與多頭注意力模型，并利用足球隊訓練算法（FTTA）優化的研究。結果顯示該模型分類準確率達 99%，訓練時間縮短 65%，對情感識別系統發展意義重大。
在當今數字化時代，情感識別技術的重要性與日俱增。它廣泛應用于醫療健康、智能監控、人機交互等諸多領域。比如在醫療健康領域，通過對患者面部表情等情感信息的識別，能及時發現患者的心理問題，像抑郁癥、壓力相關疾病等，從而實現早期干預和治療。然而，現有的情感識別模型卻面臨著不小的挑戰。一方面，在處理復雜情感表達的序列數據時，計算效率較低，無法滿足實時性的需求；另一方面，模型的準確性也有待提高，難以精準識別各種微妙的情感變化。為了突破這些困境，推動情感識別技術的發展，研究人員開啟了深入的探索之旅。雖然文中未提及具體研究機構，但他們開展了一項極具創新性的研究，旨在構建一種全新的情感識別框架。
研究人員提出的創新框架將隨機卷積神經網絡（Randomized Convolutional Neural Network，RCNN）與多頭注意力模型相結合，并運用足球隊訓練算法（Football Team Training Algorithm，FTTA）進行優化。最終，該研究取得了令人矚目的成果，其構建的混合模型在情感識別上展現出卓越的性能，為情感識別領域帶來了新的曙光。這一研究成果若應用于實際，將極大地推動相關領域的發展，比如在醫療健康監測中，能夠更高效、準確地監測患者情緒變化，輔助醫生進行診斷和治療，具有重大的現實意義。該研究成果發表在《Array》上。
在研究過程中，研究人員運用了多種關鍵技術方法。在數據處理方面，使用了 CK+（Extended Cohn-Kanade）數據集，通過 80:20 分層分割將其劃分為訓練集和測試集，并進行了數據增強、灰度轉換、歸一化等預處理操作。模型構建上，綜合運用了 RCNN、多頭注意力模型以及 FTTA 算法。其中，RCNN 通過固定卷積層隨機權重減少計算量，多頭注意力模型用于處理情感數據的時間動態，FTTA 則優化模型參數。
下面來詳細看看研究結果。在模型性能評估方面：
- 混淆矩陣分析：通過對模型預測結果的詳細分析，發現模型對 “surprise” 和 “happy” 等情緒分類準確率較高，但對樣本較少的 “fear” 等情緒，分類效果還有提升空間。
- ROC 曲線分析：各情緒類別的 ROC 曲線接近左上角，AUC 值接近 1.00，其中 “Class contempt” 的 AUC 最低為 0.99，這表明模型對每個情緒類別都有很強的判別能力。
- 訓練和驗證曲線：訓練和驗證的準確率曲線緊密收斂，損失值持續下降，說明模型沒有過擬合，且學習效果良好，具有較好的泛化性能。
- 分類報告指標：模型在大多數情緒類別上的精度、召回率和 F1 分數都很高，“surprise” 和 “happy” 等類別的分數幾乎完美，整體上模型具有很強的預測能力。
- 訓練時間比較：該模型平均訓練時間僅 0.3 ms/epoch，相比其他競爭模型，訓練效率大幅提升，在實時處理或分析的應用場景中優勢明顯。
- 消融研究：去除多頭注意力層或 FTTA 會降低模型性能，凸顯了各組件在提升模型精度和效率方面的關鍵作用。
- 與先前研究比較：與 VGG - 19、VGG - 16 和 ResNet18 等模型相比，該模型在準確率、特異性、敏感性、召回率和訓練時間等指標上表現更優，展現出強大的優勢。
研究結論和討論部分指出，該研究提出的混合模型有效提升了情感識別的準確性和計算效率。RCNN 的空間特征提取能力與多頭注意力機制捕捉視頻幀時間依賴的能力相結合，再加上 FTTA 對模型參數的優化，使得模型在不同情感類別的分類中都取得了良好的效果。這一模型在實時應用場景中表現出色，尤其適用于資源受限的環境。不過，研究也存在一些局限性，如在面對多樣化和嘈雜的真實世界數據集時的泛化能力有待提高，目前主要集中于面部表情分析，在多模態情感識別方面還有拓展空間，在資源受限環境中的計算復雜度還需進一步降低，同時還需關注倫理問題和偏差緩解。未來的研究可以朝著開發域自適應模型、探索混合架構、研究基于強化學習的優化策略以及評估社會文化因素對情感感知的影響等方向展開。這項研究為情感識別領域開辟了新的道路，為后續更深入的研究和更廣泛的應用奠定了堅實基礎，有望推動情感識別技術在多領域的進一步發展。
