Une nouvelle approche d’apprentissage profond pour la reconnaissance émotionnelle faciale : application à la détection des réponses émotionnelles chez les individus âgés atteints de la maladie d’Alzheimer

Les expressions faciales constituent une forme fondamentale de communication non verbale, transmettant une vaste gamme d’émotions. Les progrès récents en intelligence artificielle et en vision par ordinateur ont permis le développement de méthodes d’apprentissage profond, notamment les réseaux de neurones convolutifs, particulièrement efficaces pour la reconnaissance des émotions faciales (FER). Ce papier présente EmoNeXt, un cadre avancé d’apprentissage profond pour la FER, basé sur une architecture ConvNeXt modifiée et intégrant plusieurs innovations clés. EmoNeXt intègre des réseaux de transformateurs spatiaux afin de permettre au modèle de se concentrer sur les régions les plus expressives du visage, des blocs squeeze-and-excitation pour renforcer les dépendances entre canaux, ainsi qu’un terme de régularisation par attention auto-associative qui encourage l’apprentissage de vecteurs de caractéristiques compacts et discriminants. Initialement évalué sur le jeu de données FER2013, EmoNeXt est désormais validé sur deux autres jeux de données standards largement utilisés, AffectNet et CK+, afin de démontrer sa robustesse et sa généralisation dans diverses situations réelles et posées. Par ailleurs, une étude d’ablation approfondie est menée pour analyser et quantifier la contribution de chaque amélioration, confirmant leur impact positif sur la performance du modèle. Enfin, ce travail explore l’application d’EmoNeXt à la reconnaissance des émotions chez les personnes âgées atteintes de maladie d’Alzheimer, soulignant la nécessité urgente d’une reconnaissance précise des émotions pour améliorer les soins aux patients. Nos résultats mettent en évidence le potentiel d’EmoNeXt en tant qu’outil précieux pour renforcer la communication émotionnelle dans les contextes de santé, en particulier pour les patients souffrant de troubles neurodégénératifs.