Clasificación de expresiones faciales en streaming con tecnología Big Data

Abstract

El aprendizaje automático está creciendo de manera exponencial debido al amplio abanico de posibilidades que proporciona. Además, cada vez es mayor la integración que está teniendo esta tecnología por parte de la sociedad ya que ha dejado de estar restringida al ámbito científico para empezar a formar parte de situaciones cotidianas. La expresión facial, junto con la mirada, son los estímulos más significativos del cuerpo humano ya que transmiten tanto las emociones como los estados de ánimo. A través de la observación de las expresiones faciales se consigue una mejor comprensión de la comunicación con los demás. En este proyecto se desarrolla una plataforma Big Data capaz de clasificar en tiempo real tres expresiones faciales: triste, contento y enfadado. Para ello se ha utilizado la librería de Big Data MLlib y el entorno de desarrollo Jupyter Notebook además de una arquitectura tolerante a fallos y completamente escalable. Para llevar a cabo el entrenamiento se han empleado un conjunto de imágenes, todas ellas con rostros de personas que han sido extraídas de una investigación realizada por Pierre-Luc Carrier y Aaron Courville. Finalmente, se han expuesto los resultados obtenidos en gráficas en las cuales se pueden apreciar los resultados que se han ido obteniendo en función del algoritmo empleado.
Abstract:
Machine learning is growing exponentially due to a wide range of possibilities tha proportion. In addition, it is increasingly greater the integration that this technology is having on the part of society and that has remained restricted in the scientific field to begin to be part of everyday situations. The facial expression, together with the look, are the most significant stimuli of the human body and transmit both emotions and moods. Through the observation of facial expressions, you get a better understanding of communication with others. In this project, a scalable machine learning algorithm capable of distinguishing between facial expressions: sad, happy and angry was developed using the MLlib Big Data library and Jupyter Notebook development environment. To carry out the training they have used a set of images, all of them with faces of people that have been extracted from an investigation carried out by Pierre-Luc Carrier and Aaron Courville. The prediction of emotions is donned in real time. Use of Big Data technologies, thus having a fault-tolerant and fully scalable architecture. Finally, the results have been shown in the graphs in which you can see the results that have been obtained in the function of the algorithm used.