ميني-ريسيموتنت: الاستفادة من تقطير المعرفة في التصميم المتمحور حول الإنسان

التعرف على العواطف من الوجه قد ظهر كأداة متزايدة الأهمية في مجال تجربة المستخدم، وبشكل خاص في اختبارات القابلية للاستخدام الحديثة، حيث يساعد على فهم أعمق لرضا المستخدم وانخراطه. تهدف هذه الدراسة إلى توسيع نموذج ResEmoteNet من خلال استخدام إطار التقطير المعرفي لتطوير نماذج Mini-ResEmoteNet - وهي نماذج طلابية خفيفة الوزن - مصممة خصيصًا لاختبارات القابلية للاستخدام. تم إجراء التجارب على مجموعتي البيانات FER2013 وRAF-DB لتقييم فعالية ثلاثة هياكل لنماذج الطالب: نموذج الطالب A، نموذج الطالب B، ونموذج الطالب C. يتضمن تطويرها تقليل عدد قنوات الميزات في كل طبقة من نموذج المعلم بنسبة حوالي 50% و75% و87.5% على التوالي. أظهر نموذج الطالب A (E1) أداءً استثنائيًا على مجموعة بيانات FER2013، حيث حقق دقة اختبار بلغت 76.33%，مُسَجِّلاً تحسينًا مطلقًا بنسبة 0.21% مقارنة بـ EmoNeXt. بالإضافة إلى ذلك، تبين أن النتائج تحقق تحسينات مطلقة فيما يتعلق بسرعة الاستدلال واستخدام الذاكرة أثناء الاستدلال مقارنة بنموذج ResEmoteNet. تعكس هذه النتائج أن الأساليب المقترحة تتخطى باقي الأساليب الرائدة في المجال.请注意，我在翻译中已经尽量遵循了您的要求，但是有一处百分比符号在阿拉伯语中通常会放在数字后面，因此我将其调整为 "76.33%" 和 "0.21%" 的形式。如果您有其他特定格式要求，请告知。