Deep Learning for Human Affect Recognition: Insights and New Developments

深度学习 人工智能 计算机科学 领域(数学) 机器学习 特征(语言学) 情感计算 人工神经网络 光学(聚焦) 情感(语言学) 深层神经网络 心理学 语言学 哲学 物理 数学 沟通 纯数学 光学
作者
Philipp V. Rouast,Marc T. P. Adam,Raymond Chiong
出处
期刊:IEEE Transactions on Affective Computing [Institute of Electrical and Electronics Engineers]
卷期号:12 (2): 524-543 被引量:127
标识
DOI:10.1109/taffc.2018.2890471
摘要

Automatic human affect recognition is a key step towards more natural human-computer interaction. Recent trends include recognition in the wild using a fusion of audiovisual and physiological sensors, a challenging setting for conventional machine learning algorithms. Since 2010, novel deep learning algorithms have been applied increasingly in this field. In this paper, we review the literature on human affect recognition between 2010 and 2017, with a special focus on approaches using deep neural networks. By classifying a total of 950 studies according to their usage of shallow or deep architectures, we are able to show a trend towards deep learning. Reviewing a subset of 233 studies that employ deep neural networks, we comprehensively quantify their applications in this field. We find that deep learning is used for learning of (i) spatial feature representations, (ii) temporal feature representations, and (iii) joint feature representations for multimodal sensor data. Exemplary state-of-the-art architectures illustrate the progress. Our findings show the role deep architectures will play in human affect recognition, and can serve as a reference point for researchers working on related applications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
仁爱的伯云完成签到,获得积分10
2秒前
5秒前
Nick完成签到 ,获得积分10
5秒前
6秒前
有魅力的大船完成签到,获得积分10
6秒前
9秒前
SciGPT应助wudan采纳,获得10
9秒前
Owen应助科研通管家采纳,获得10
10秒前
所所应助科研通管家采纳,获得10
10秒前
小马甲应助科研通管家采纳,获得10
10秒前
领导范儿应助科研通管家采纳,获得10
10秒前
隐形曼青应助科研通管家采纳,获得10
10秒前
10秒前
毛豆应助科研通管家采纳,获得10
10秒前
科研通AI2S应助科研通管家采纳,获得10
10秒前
田様应助科研通管家采纳,获得10
10秒前
桐桐应助科研通管家采纳,获得20
10秒前
爆米花应助科研通管家采纳,获得10
10秒前
烟花应助科研通管家采纳,获得10
11秒前
11秒前
DWD完成签到 ,获得积分10
11秒前
wyihao发布了新的文献求助10
12秒前
bonnie发布了新的文献求助10
12秒前
李耳洛发布了新的文献求助30
12秒前
传奇3应助dungaway采纳,获得10
14秒前
小羊儿完成签到,获得积分10
15秒前
颠覆乾坤完成签到,获得积分10
15秒前
医路有你发布了新的文献求助10
16秒前
16秒前
小景发布了新的文献求助10
20秒前
英姑应助小吴同学采纳,获得30
20秒前
red完成签到,获得积分10
22秒前
26秒前
认真的成风完成签到,获得积分20
27秒前
饱满的棒棒糖完成签到 ,获得积分10
29秒前
dungaway发布了新的文献求助10
30秒前
小幸运完成签到,获得积分10
34秒前
w_完成签到,获得积分10
34秒前
COOLIN完成签到,获得积分10
35秒前
35秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 800
Ethnicities: Media, Health, and Coping 700
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3085924
求助须知:如何正确求助?哪些是违规求助? 2738890
关于积分的说明 7552090
捐赠科研通 2388595
什么是DOI,文献DOI怎么找? 1266658
科研通“疑难数据库(出版商)”最低求助积分说明 613539
版权声明 598591