A comparative study on facial expression recognition using MobileNetV2, VGG-16, ResNet and Swin Transformer
Notice bibliographique
Résumé
In the modern era, the implementation of computer vision technologies has become increasingly prevalent across various domains. In many fields, such as security and identification, computer vision technologies are widely implemented and have gradually become increasingly prevalent topics. Recent advancements in facial emotion recognition models have proved to be significant for the development of different deep learning models in past research. Undoubtedly, Convolutional Neural Networks (CNNs) have long been the dominant approach for such facial recognition tasks, especially for emotion classification tasks. Instead of the traditional CNNs, some other researchers prefer using vit such as (Mobile Swim Windows Attention) to solve such problems because they argue that it could extract more global features rather than local features extracted by CNN. To determine the advantages and disadvantages on these models for the performance tasks, this paper presents a comparative analysis of CNN-based models - MobileNetV2, VGG16, ResNet - against the Swin Transformer, a Vision Transformer (ViT) model. Using the FER2013 datasets with 48x48 pixels images that are all classified into 7 different emotion categories and implementing the augmentation techniques to improve the quality of the datasets, we utilized the pretrained models, train them with at least 20 epochs, and evaluated the performance of classical convolutional neural networks and Vision Transformer on this dataset based on accuracy, F1 Score, Precision, and Recall with accuracy, loss, and confusion matrix visualization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».