Адаптація архітектури глибинної згорткової моделі для емоційного аналізу в edge ai системах

Abstract

Роботу присвячено експериментальній оцінці та порівняльному аналізу ефективності різних архітектур згорткових нейронних мереж (CNN) для задачі розпізнавання емоційних станів людини в режимі реального часу. У межах дослідження протестовано низку сучасних моделей за макро- та зваженими метриками, такими як точність (accuracy), прецизійність (precision), повнота (recall) та F1-міра. Результати експериментів продемонстрували перевагу модифікованих архітектур SENet, SqueezeNet та ConvMixer, які досягли точності 79%. Завдяки низьким вимогам до обсягів пам'яті та високій швидкості прийняття рішень, ці моделі є оптимальними для розгортання та виведення на Edge-пристроях обмеженої потужності.