Face Emotion Recognition: dataset e architetture di reti neurali a confronto

The thesis aims to compare different convolutional neural network architectures trained with different datasets developed for the Face Emotion Recognition (FER) task. The comparisons were carried out to highlight how the construction of the datasets has changed over the years, how the context of the image is acquiring greater importance for the recognition of emotions and what are the differences in the architectures of the neural networks. The Fer4Crowd tool (http://www.cirma.unito.it/portfolio_page/fer4crowd/) has been employed to analyze the face expressions in real photographs. In order to evaluate the accuracy of the implemented models, the obtained results will be discussed, and the ethical and social aspects resulting from the task that is the object of this thesis will be analyzed.

L'elaborato ha come obiettivo quello di confrontare diverse architetture di reti neurali convoluzionali addestrate a partire da diversi dataset di immagini sviluppati per il task di Face Emotion Recognition (FER), pubblicamente accessibili. L’analisi comparativa è stata svolta per evidenziare come la costruzione dei dataset stia cambiando nel corso degli anni, come si stia ponendo maggiore attenzione sul contesto dell'immagine e quali sono le differenze rilevanti nelle architetture delle reti neurali adottate nei modelli implementati. In conclusione, per valutare l'accuratezza dei modelli, si mostrano i risultati ottenuti grazie all'applicazione del tool Fer4Crowd (http://www.cirma.unito.it/portfolio_page/fer4crowd/), che consente di analizzare le espressioni facciali di fotografie reali. Vengono infine discussi gli aspetti etici e l’impatto sociale collegati al task oggetto della tesi.