Explainable Facial Expression Recognition for People with Intellectual Disabilities

面部表情识别在人类行为、交流和互动中扮演着重要角色。最近的神经网络已经表现出在自动识别方面表现良好，同时提供了不同的可解释性技术，使其更加透明。在这项工作中，我们提出了一个面向智力残疾人群体的面部表情识别研究，该研究将被整合到社交机器人中。我们使用五个面部表情数据库训练了两个知名的神经网络，并使用两个包含智力残疾和非智力残疾人群体的数据库进行了测试。最后，我们使用两种不同的可解释性技术（LIME和RISE）研究模型关注哪些区域以识别特定的表情，并评估在包含残疾和非残疾人的图像上使用这些技术时的差异。

本论文旨在为智力残疾人群体设计一种面部表情识别的方案，并将其整合到社交机器人中。论文使用两种不同的解释性技术研究模型在识别残疾人和非残疾人面部表情时的区别。

论文使用两种常见的神经网络结构对五个面部表情数据库进行训练，并使用两个包含残疾人和非残疾人的数据库进行测试。同时，使用LIME和RISE两种解释性技术研究模型在识别不同人群面部表情时的关注区域。

本论文的亮点在于针对智力残疾人群体设计面部表情识别方案，并将其整合到社交机器人中。论文使用了多个面部表情数据库进行训练和测试，并使用了两种不同的解释性技术进行研究。此外，论文的实验设计详尽，结果可靠。

近年来，面部表情识别已经成为人工智能领域的研究热点。相关研究包括：1. A Survey on Facial Expression Recognition Techniques (2018); 2. Deep Learning for Facial Expression Recognition: A Comprehensive Review (2018); 3. Facial Expression Recognition using Convolutional Neural Networks: State of the Art (2019)。