El MODELO DE CLASIFICACIÓN DE EMOCIONES FACIALES MEDIANTE REDES NEURONALES CONVOLUCIONALES: UN ESTUDIO DE ENTRENAMIENTO SUPERVISADO EN SIETE CATEGORÍAS EMOCIONALES

Resumen

Este artículo tiene por objeto contribuir al estudio de clasificación de emociones faciales humanas mediante redes neuronales convolucionales, a través de entrenamiento supervisado sobre siete categorías afectivas: Felicidad, tristeza, enfado, disgusto, miedo, neutral y sorpresa. Se trata de un estudio de enfoque experimental automático, basado en entrenamiento supervisado y evaluación del modelo mediante partición de datos (train/validation/test). El estudio se centró en el desarrollo y evaluación de un modelo de clasificación de emociones faciales mediante redes neuronales convolucionales. La población estuvo constituida por un conjunto de datos de imágenes de rostros en escala de grises; cada una etiquetada con una emoción facial: Felicidad, tristeza, enfado, disgusto, miedo, neutral y sorpresa. Se utilizó la totalidad de las imágenes del Data Set FER2013, compuesto por 35,887 imágenes de tamaño 48×48 píxeles, previamente centradas y recortadas enfocando el rostro. Los instrumentos empleados fueron librerías especializadas de aprendizaje automático y aprendizaje profundo (Machine Learning y Deep Learning). Los resultados demostraron el entrenamiento de un modelo basado en redes neuronales convolucionales para reconocer emociones faciales; alcanzando una precisión de entrenamiento del 90% y una precisión de validación del 65%, complementadas con métricas como F1-score y matriz de confusión en las siete categorías afectivas, mostrando buenos resultados especialmente para emociones como la "felicidad" y el "enfado".