Para las personas, la expresión facial es un elemento clave de nuestra comunicación no verbal, al ser un revelador reflejo de nuestras emociones y estado de ánimo.
Para la inteligencia artificial, dominar la capacidad de identificar estas expresiones sigue siendo un desafío. Si bien, ya hay avances al respecto, una investigación reciente presentó un nuevo proyecto que extiende las posibilidades dentro del área.
En lo que respecta a las últimas tecnologías, son muchos los avances que hemos conocido en torno al reconocimiento facial, enfocados principalmente en materias de identificación y seguridad. No obstante, la posibilidad de usar este recurso para detectar y medir las emociones expresadas a través de un rostro, es algo más difícil de abordar.
Con el fin de hacer más abordable la ejecución de este tipo de proyectos, un equipo de investigación desarrolló un modelo de red neuronal convolucional para el reconocimiento de expresiones faciales, creado con el propósito de obtener un buen equilibrio entre la velocidad de entrenamiento, el uso de la memoria de los equipos y la precisión de reconocimiento del modelo aplicado.
Esta investigación fue dirigida por el Dr. Jia Tian de la Universidad Normal de Ingeniería de Jilin en China. En su proyecto, a diferencia de los modelos de redes neuronales convolucionales convencionales, se propuso el uso de circunvoluciones separables en profundidad. Esto implica que la operación central realizada en cada capa de una de estas redes, combinando los resultados al final del proceso.
Mediante la aplicación del tipo de convolución propuesta, mediante una técnica llamada «bloques residuales preactivados», el modelo presentado pudo procesar las expresiones faciales de entrada de una manera gruesa a fina. De esta manera, el equipo redujo en gran medida el costo computacional y la cantidad necesaria de parámetros que el sistema debe aprender para presentar una clasificación realizada de forma precisa.
Las pruebas ejecutadas con este modelo, fueron utilizadas como parámetro de comparación frente a otros modelos de reconocimiento de expresión facial. Para este ejercicio, tanto el nuevo modelo como los otros presentados como referencia, fueron entrenados con un conjunto de datos popular, llamado «Conjunto de datos extendido de Cohn-Kanade», que contiene más de 35.000 imágenes etiquetadas de rostros que expresan emociones comunes. Los resultados obtenidos fueron catalogados como satisfactorios, pues el modelo desarrollado por el equipo de Tian presentó la mayor precisión registrada (72,4 %), haciendo uso además de la menor cantidad de parámetros posibles.
Aunque el reconocimiento facial en la actualidad se asocia principalmente a la seguridad, avances de este tipo pueden potenciar los modos de interacción entre humanos y ordenadores, expandiendo sus posibilidades de uso a la conducción segura, la medicina y otras tareas de monitoreo.

El contenido original de la nota fue publicado en Eju.tv. Para leer la nota completa visitá aquí