NGHIÊN CỨU KHẢ NĂNG NHẬN DIỆN CẢM XÚC VỚI MÔ HÌNH VISION TRANSFORMER TRÊN TẬP DỮ LIỆU FER2013

Abstract

Trong bối cảnh công nghệ liên tục phát triển mạnh mẽ, trí tuệ nhân tạo ngày càng được áp dụng rộng rãi trong nhiều lĩnh vực giáo dục, y tế cũng như các dịch vụ chăm sóc khách hàng, kèm theo đó là các nhu cầu hiểu và tương tác một cách tự nhiên hơn với các hành động của con người. Nhận diện cảm xúc thông qua khuôn mặt là một hướng tiếp cận đầy tiềm năng, cho phép hệ thống đưa ra các phản hồi thông minh hơn với người dùng và có khả năng áp dụng cao trong thực tiễn. Nhận thấy tìm năng của chủ đề này, luận văn với chủ đề “Nghiên cứu khả năng nhận diện cảm xúc với mô hình Vision Transformer trên tập dữ liệu FER2013” được thực hiện để tập trung vào tìm hiểu khả năng nhận diện cảm xúc khuôn mặt của mô hình Vision Transformer và so sánh khả năng dự đoán của nó với một số mô hình CNN “State of the art” như ResNet50 và YOLO11. Kết quả nhận được cho thấy Vision Transformer đạt được độ chính xác khá cao trong việc phân loại cảm xúc và thời gian huấn luyện ngắn, xứng tầm cạnh tranh so với các mô hình ResNet50 và YOLO11 trên tập dữ liệu FER2013. Việc kiểm thử thực tế trên ứng dụng cũng cho kết quả tương đối cao trong các điều kiện thực tế. Chính những kết quả này góp phần củng cố tiềm năng của các mô hình Transformer trong lĩnh vực nhận diện cảm xúc từ khuôn mặt và mở ra những tiềm năng phát triển cho các hệ thống tương tác người - máy.