An Improved EfficientNet-B0 Model for Facial Emotion Recognition

Computers zijn al lang in staat om gezichten te herkennen, waarbij ze bepalen wie een persoon is door de afstand tussen de ogen of de vorm van de kaak in kaart te brengen. Maar een machine leren hoe iemand zich voelt, is een andere, subtielere uitdaging. Dit vakgebied, bekend als gezichtsuitdrukkingherkenning (facial emotion recognition), vraagt software om naar een statische afbeelding te kijken en te beslissen of het onderwerp blij, verdrietig, boos, verrast of neutraal is. Het is een taak die rust op het detecteren van minuscule verschuivingen in de spierbeweging rond de mond en de ogen, verschuivingen die zo vluchtig kunnen zijn als een flikkering van licht. Hoewel deze technologie belooft computers responsiever te maken voor menselijke behoeften — door bestuurders alert te houden, docenten te ondersteunen bij de betrokkenheid van studenten, of zorgmedewerkers te helpen — heeft het te kampen met een hardnekkig probleem: de data die wordt gebruikt om deze systemen te onderwijzen, is vaak rommelig. Foto's uit de echte wereld variëren enorm in belichting en hoek, en de labels die mensen eraan toekennen zijn vaak inconsistent. Bovendien debatteren onderzoekers al lang over de vraag of het simpelweg groter en complexer maken van het "brein" van de computer daadwerkelijk tot betere resultaten leidt, of dat het slechts energie en tijd verspilt zonder werkelijke waarde toe te voegen.

Een team van onderzoekers aan de University of Port Harcourt in Nigeria zette zich af om dit debat te beslechten en de data achter de schermen op te schonen. Ze richtten zich op een specifiek type computerarchitectuur genaamd EfficientNet, die ontworpen is om efficiënt te leren van afbeeldingen. Ze kozen ervoor om drie versies van dit systeem te testen: een klein, lichtgewicht model bekend als B0, en twee grotere, complexere versies genaamd B1 en B2. Het doel was niet alleen om een systeem te bouwen dat werkt, maar om uit te zoeken of de grotere modellen de extra kosten echt waard zijn. Om dit te doen, moesten de onderzoekers eerst het fundament herstellen. Ze verzamelden duizenden afbeeldingen uit twee grote publieke collecties, waarvan één foto's bevatte die op internet werden gevonden en een andere met gezichten vastgelegd in real-world omgevingen. Vervolgens voerden ze een grondige schoonmaakbeurt uit, waarbij ze duizenden dubbele afbeeldingen verwijderden en bestanden weggooten waar het emotionele label onjuist of onduidelijk leek. Ze kwamen uit op een perfect gebalanceerde set van 25.000 afbeeldingen, met exact 5.000 voorbeelden voor elk van de vijf doelemoties: blijdschap, verdriet, boosheid, verrassing en neutraal. Deze zorgvuldige voorbereiding verzekerde ervoor dat de computer leerde van unieke voorbeelden in plaats van het memoriseren van herhaalde kopieën.

De onderzoekers trainden vervolgens hun drie modellen op deze schone data, gebruikmakend van een techniek genaamd transfer learning, waardoor de computer kan beginnen met kennis die hij al heeft opgedaan door algemene objecten zoals katten en auto's te herkennen, en die kennis vervolgens kan aanpassen om menselijke expressies te herkennen. Ze trainden de modellen in twee fasen: eerst leerden ze de nieuwe onderdelen van het systeem, en daarna verfijnden ze het gehele netwerk. De resultaten toonden een duidelijke winnaar wat betreefficiëntie betreft. Het kleinste model, EfficientNet-B0, behaalde een nauwkeurigheid van bijna 79 procent op een set afbeeldingen die het nog nooit eerder had gezien. Het identificeerde de emotie correct in ongeveer 79 van de 100 testgevallen. Het grotere model, EfficientNet-B1, presteerde iets beter met een nauwkeurigheid van net onder de 80 procent, maar het verschil was zo klein dat statistische tests aantoonden dat het geen betekenisvolle verbetering was. Het grootste model, EfficientNet-B2, presteerde zelfs slechter met een score van rond de 75 procent, grotendeels omdat het tijdens het experiment niet genoeg tijd kreeg om volledig te leren.

De ware betekenis van het onderzoek ligt in de kosten van deze verschillen. De grotere modellen vereisten aanzienlijk meer rekenkracht en tijd om te draaien. Het kleinste model kon een enkele afbeelding analyseren in ongeveer 8,5 milliseconden, terwijl de grotere modellen bijna 12,5 milliseconden nodig hadden voor dezelfde taak. In praktische termen betekent dit dat het kleinere model ongeveer 30 procent sneller is en ongeveer 37 procent minder interne instellingen, of parameters, gebruikt om de taak uit te voeren. De onderzoekers concludeerden dat voor deze specifieke taak van het herkennen van vijf basisemoties, de grotere backbones niet genoeg extra nauwkeurigheid bieden om hun hogere kosten te rechtvaardigen. Het kleinere model bood de beste balans door hoge prestaties te leveren zonder de zware computationele last.

Ondanks dit succes benadrukte de studie waar de technologie nog steeds mee worstelt. De computer was uitzonderlijk goed in het herkennen van blijdschap en verrassing, emoties die gepaard gaan met duidelijke, grote bewegingen van het gezicht. Echter, het verwarde verdriet regelmatig met een neutrale uitdrukking. Wanneer iemand echt verdrietig was, labelde het model die persoon soms als neutraal, en wanneer iemand neutraal was, gokte het soms verdriet. Dit suggereert dat het systeem het moeilijk vindt om onderscheid te maken tussen een gezicht dat simpelweg in rust is en een gezicht dat een emotie met lage intensiteit draagt. Ondanks deze verwarring werd het systeem succesvol ingezet als een werkende webapplicatie. Gebruikers kunnen een foto uploaden of een webcam gebruiken, en het systeem geeft direct de voorspelde emotie terug samen met een betrouwbaarheidsscore. Het hele proces, van het klikken op de knop tot het zien van het resultaat, duurt slechts enkele seconden, waarbij de eigenlijke computeranalyse in een fractie van een milliseconde plaatsvindt.

Dit werk demonstreert dat in de race om slimmere kunstmatige intelligentie te bouwen, groter niet altijd beter is. Door de data zorgvuldig op te schonen en verschillende groottes van dezelfde technologie te vergelijken, lieten de onderzoekers zien dat een kleiner, efficiënter model vaak beter presteert dan zijn grotere tegenhangers wanneer de taak goed gedefinieerd is. Ze bewezen dat voor het herkennen van basis menselijke emoties een gestroomlijnde aanpak niet alleen sneller en goedkoper is, maar ook even nauwkeurig. De studie laat de deur open voor toekomstige verbeteringen, zoals het aanleren van het systeem om angst en walging te herkennen, of het helpen begrijpen hoe emoties in de loop van de tijd veranderen in een video, maar voor nu stelt het een duidelijke, efficiënte weg voorwaarts vast voor real-time emotiedetectie.