跳动城乡网华中科技大学的研究人员在情绪识别技术方面取得了重大突破，推出了一种可以改变我们与机器互动方式和监测心理健康的新系统。这项新技术被称为基于领域泛化和残差网络的生理信号情绪识别 (DGR-ERPS)，它利用复杂的生理信号来准确判断人类的情绪。
创新的 DGR-ERPS 系统解决了此前阻碍情绪识别技术可靠性和效率的几个关键挑战。通过利用领域泛化和高级残差网络的复杂组合，该系统擅长分析心率、皮肤温度和电活动等生理信号，这些信号可以指示人的情绪状态。
情绪识别方面的创新：
高保真信号处理：DGR-ERPS 以高时间分辨率处理信号，捕捉表示情绪变化的细微波动。
残差网络增强准确性：DGR-ERPS 中使用残差网络可以实现更深入的学习模型，从而有效处理多信号集成的复杂性，提高情绪检测的准确性。
领域泛化以实现稳健性能：此功能通过从多个来源推广训练，帮助系统在不同的个体和环境中表现良好，从而减少模型对任何单一数据源的依赖。
DGR-ERPS 模型在多个真实世界数据集上经过了严格测试，其表现始终优于现有模型。“我们的系统不仅能适应具有不同生理信号的不，而且在传统模型经常失效的动态真实世界中也能保持高精度，”该项目的首席研究员姜立博士解释道。
核心技术涉及对情绪数据域进行分割和对齐，使系统能够从各种情绪表达和场景中学习。这种方法大大减少了时间协变量偏移 (T) 的常见问题，即随着时间的推移，变化可能会扭曲情绪识别系统。
DGR-ERPS 的潜在应用非常广泛且多种多样。在医疗保健领域，该技术可以集成到心理健康监测系统中，以提供实时、准确的患者情绪状态评估，从而有可能彻底改变抑郁症和焦虑症等疾病的治疗方法。在汽车行业，情绪识别可以根据驾驶员的情绪状态调整车辆响应，从而提高驾驶员的安全性。
此外，该技术对个性化广告和客户服务具有重要意义，了解客户情绪可以带来更好的服务交付和客户满意度。教育应用也正在探索中，该系统可以帮助根据学生的情绪反应调整教学方法。
