Classificação de emoções a partir de expressões faciais com deep learning
Abstract
Saúde mental é um assunto que está cada vez mais em alta, sendo de suma importância conhecer e falar sobre. Problemas como estresse, ansiedade e depressão são considerados como as doenças do século, afetando cada vez mais pessoas ao redor do mundo. Identificar e tratar tais transtornos é expressamente necessário já que, em casos graves como o da depressão, podem levar até mesmo ao suicídio. Em uma sala de aula, a situação não é diferente, a dificuldade de aprendizado, desmotivação e medo de não conseguir corresponder as expectativas, são apenas alguns exemplos do que pode levar um estudante a desenvolver um problema de saúde mental. Estudantes com estados emocionais negativos têm maior dificuldade de aprendizado, o que impacta no seu rendimento escolar e pode piorar ainda mais seu emocional, se tornando um ciclo vicioso. Identificar emoções em sala da aula pode ajudar na identificação de dificuldades de aprendizagem. Neste contexto, sistemas de diagnóstico, baseados em aprendizado de máquina (machine e deep learning), têm sido usados para identificar casos de ansiedade, angústia e depressão. Tais diagnósticos são possíveis por meio da obtenção de modelos de classificação, utilizando mecanismos de aprendizado. Como exemplo, um modelo baseado em uma arquitetura de deep learning, que identifique e classifique as emoções dos estudantes, pode ajudar o professor com feedback sobre sua aula. Para fins deste trabalho de conclusão, objetiva-se conceber e implementar um modelo de classificação baseado em métodos deep learning para a classificação de emoções por meio de imagens de faces humanas. Esta seria a primeira etapa para o desenvolvimento de um sistema que possa inferir dificuldades no aprendizado em sala de aula, possibilitando assim ao educador abordar novas estratégias de ensino que possam melhorar o desempenho da turma e seus estados emocionais. [resumo fornecido pelo autor]