要約
顔表情認識は、ユーザーエクスペリエンスの分野、特に現代のユーザビリティテストにおいて、その重要性がますます高まっています。これは、ユーザー満足度とエンゲージメントをより深く理解するための手段として機能するからです。本研究では、知識蒸留フレームワークを用いてMini-ResEmoteNetモデル（軽量な学生モデル）を開発することで、ResEmoteNetモデルを拡張することを目指しています。このモデルはユーザビリティテストに特化して設計されています。実験はFER2013およびRAF-DBデータセットを使用し、3つの学生モデルアーキテクチャ（Student Model A, Student Model B, Student Model C）の効果を評価するために行われました。これらのモデルの開発には、教師モデルの各層における特徴チャネル数を約50%、75%、87.5%削減することが含まれています。FER2013データセットでの優れた性能を示したStudent Model A (E1)は、テスト精度76.33%を達成し、EmoNeXtに対して0.21%の絶対的な改善をもたらしました。さらに、推論時の推論速度とメモリ使用量においてもResEmoteNetモデルに対して絶対的な改善が見られました。本研究の結果は、提案された手法が他の最先端アプローチを超えることを示唆しています。