原创力文档- 1、本文档共8页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
FedMultiEmo：通过多模态联邦学习实现实时情感
识别
121,311
BaranCanGül,SurakshaNadig,StefanosTziampazis,NasserJazdi,andMichaelWeyrich
1
InstituteofIndustrialAutomationandSoftwareEngineering,UniversityofStuttgart,Germany
{baran-can.guel,nasser.jazdi,michael.weyrich}@ias.uni-stuttgart.de
2ElectricalEngineering,UniversityofStuttgart,Germany
st184494@stud.uni-stuttgart.de
3GraduateSchoolofExcellenceadvancedManufacturingEngineering,UniversityofStuttgart,Germany
stefanos.tziampazis@gsame.uni-stuttgart.de
Correspondingauthor.E-mailaddress:baran-can.guel@ias.uni-stuttgart.de
本摘要—车内情绪识别是自适应驾驶员辅助系统的基础，最终尽管有这些潜在的应用，但在像车辆内部这样动态且
关乎乘员安全。然而，实际部署受到以下因素的阻碍：(i)模态脆不受控的环境中实现实时情绪识别提出了实际问题。关键
译弱性—光照不足和遮挡会降低基于视觉的方法的效果；(ii)生理障碍包括：(1)环境变化，如光线变化、头部姿势和遮挡
变异—心率和皮肤导电性模式因人而异；以及(iii)隐私风险—
中（例如太阳镜），这些都使视觉情感检测系统变得复杂[4];
集中式训练需要传输敏感数据。为了解决这些挑战，我们提出了
2联多情感，这是一个隐私保护框架，在决策层融合了两种互补的(2)生理异质性，即个体在心率、皮肤电活动（EDA）和其
v
0模态：从面部图像中提取的视觉特征，由卷积神经网络处理，以他对情绪的身体反应上的差异无法被单一模式的系统很好
7及生理线索（心率、电皮活动和皮肤温度），通过随机森林进行分地捕捉；(3)隐私问题，集中化模型需要持续传输面部图像
4类。FedMultiEmo建立在三个关键要素之上：(1)一个多模式
5和生理信号等敏感数据，这会危及用户隐私[5]。此外，传
1联合学习管道，采用多数投票融合；(2)在RaspberryPi客户统的集中式方法在处理来自多样用户的大量实时数据时面
.端和Flower服务器上实现的端到端边缘至云端原型；以及(3)
7一种个性化的联邦平均方案，根据本地数据量加权客户端更新。临可扩展性和计算效率的问题。
0
5在一个自定义生理数据集和FER2013上的评估显示，联合卷积为应对这些挑战，我们提出了联邦多情感，一个用于
2神经网络达到了77%的准确率，随机森林为74%，而它们的融
:多模态情感识别的联邦学习(FL)框架，该框架保护用户隐
v合则达到87%，与集中式基线相当，同时保持所有原始数据本地
i私并解决了实时环境中动态变
文档评论（0）