Explicabilidad aplicada a modelos de reconocimiento de emociones en imágenes

Abstract

Con la popularización y el rápido crecimiento de la Inteligencia Artificial, algunos modelos de aprendizaje automático, en especial de aprendizaje supervisado, están siendo usados para sistematizar el proceso de detección de emociones en imágenes. Debido a que el enfoque es relativamente nuevo, en este trabajo se pretende explorar las posibilidades y analizar la precisión de estos modelos para finalmente determinar qué combinación de características conlleva a una mejor precisión por parte de los modelos. Aparte de esto, el problema al que se enfrentan a menudo aquellas personas que tratan con estos modelos es, a no ser capaces de explicar la atribución de emociones distintas para imágenes de entrada parecidas. Por este motivo, en este trabajo se pretende que los modelos muestren, mediante algoritmos de explicabilidad IA, las regiones de las imágenes que son decisivas en las predicciones de emociones para poder así explicar las decisiones tomadas por los modelos y dar a conocer los beneficios de aplicar algoritmos de explicabilidad.

With the popularization and fast development of Artificial Intelligence, some models of machine learning, specifically those oriented to supervised learning, are being used to systematize the process of emotion detection in images. Since this approach is relatively new, this thesis aims to explore the possibilities and analyse the accuracy of these models to determine which combination of characteristics leads the models to obtain the best accuracy. Apart from this, the problem often faced by those who deal with this kind of models is not being able to explain the attribution of different emotions for similar input images. For this reason, in this thesis is intended to show, using AI explainability algorithms, the regions of the images that are decisive in the emotion prediction to finally explain the decisions made by the models and show off the benefits of the appliance of AI explainability algorithms.