Aprendizaje por Transferencia, Redes Neuronales Convolucionales aplicados al Análisis de Emociones a Través de Imágenes
Este artículo presenta un análisis detallado sobre cómo las redes neuronales convolucionales (CNNs) y el aprendizaje por transferencia pueden ser herramientas fundamentales en la detección y predicción de emociones humanas, como la alegría, tristeza, enojo y miedo. Además, se describe las cómo redes neuronales entrenadas anteriormente tales como InceptionV3 pueden ser usados en la mejora de la precisión del modelo. La red neuronal más destacada, es una versión adaptada de InceptionV3, demostró rendimiento superior comparado con las otras tres arquitecturas de Red Neuronal. Las imágenes ingresadas a cada una de las Redes Neuronales tienen un tamaño de entrada de 150x150, para las dos primeras redes neuronales las imágenes ingresan en un solo canal de color (grayscale), mientras que para las dos últimas las imágenes ingresan con tres canales de colores (rgb), La red neuronal con mayor rendimiento alcanzó un accuracy de entrenamiento del 99.60%, validación del 67%, y un accuracy de 65% en el conjunto de testeo, mientras que la red neuronal con menor rendimiento alcanzó un accuracy de entrenamiento del 0.34%, validación del 0.31%, y un accuracy del 0.30% en el conjunto de testeo, Cada una de las redes neuronales construidas presentan diversas particularidades tales como situaciones de overfitting y underfitting.