Maschinelles Lernen

Videochat zur Kommunikation über Emotionen mit Hilfe von maschinellem Lernen und Affective Computing (https://xpresion.uber.space/)

In der Zeit in der diese Anwendung erstellt wurde, existiert das COVID-19 Virus, welches eine weltweite Pandemie ausgelöst hat. Aufgrund dessen, lässt sich eine allgemeine Verunsicherung im Sozialverhalten der Bevölkerung erkennen. Isolationen verhindern außerhalb des eigenen Wohnraumes Kontakt mit Arbeitskollegen, Freunden oder Familie aufzunehmen. Es gibt wenig Möglichkeiten sich mit anderen Mitmenschen zu unterhalten und somit soziale Kontakte zu pflegen. Daher sollte in der aktuellen Zeit die Frage gestellt werden, wie Menschen qualitativ hochwertig soziale Kontakte pflegen können, ohne im unmittelbaren Umfeld zu sein. In dieser Bachelorarbeit wurde eine Webanwendung mit dem Namen „Xpressions“ erstellt um einen Teil dieser verloren gegangenen Nähe zurückzuerhalten. Diese Applikation kann entweder mit einer anderen Person, oder einzeln ohne Partner verwendet werden. Im Vergleich zu anderen Videochats zeigt „Xpressions“ jedoch nicht die Gesichter, sondern die Emotionen der Benutzer an. Farblich codierte Bildelemente signalisieren hierbei welche Emotionen der Gegenüber gerade hat. Für diese Anwendung wurden verschiedene Programmbibliotheken verwendet. Eine dieser Bibliotheken ist face-api. Diese verwendet maschinelles Lernen und Affective Computing um unter anderem Gesichter, Personen und Emotionen über einen Videoeingang zu erkennen.

Sobald die Webanwendung aufgerufen wird, bauen sich im oberen und unteren Bereich der Webanwendung farbige, rechteckige Bildelemente auf. Diese zeigen, je nach Einfärbung, die erkannten Emotionen in Echtzeit an. Im oberen Teil der Webanwendung werden die eigenen Emotionen interpretiert, im unteren die des Chatpartners. Stimmen zum gleichen Zeitpunkt die Emotionen der Anwender überein, werden diese über eine Bezierkurve in der gleichen Farbe verbunden.

Affective Computing bezeichnet die Entwicklung von Systemen, Programmen und Geräten welche menschliche Affekte wahrnehmen können. Zur Erstellung von Affective Computing Algorithmen werden Datensätze benötigt. Diese beinhalten Bilder von Personen mit verschiedenen Gefühls- und Gesichtsausdrücken. Personen die zur Erstellung solcher Datensätze herangezogen werden haben jedoch größtenteils ein männliches Aussehen. Aufgrund dessen haben Algorithmen die auf solchen Daten basieren eine bessere Emotionsbestimmung männlicher Anwender, als die weiblicher. Hinzu kommt, dass hauptsächlich gestellte Gefühlsausdrücke von Schauspielern in diesen Datensätzen verwendet werden. Aufgrund dessen werden Emotionen vom System häufig falsch dargestellt. Ein lachendes Gesicht könnte bei der einen Person als glücklich interpretiert werden, bei der anderen wiederum als überrascht oder wütend. Daher sollte Affective Computing und somit auch diese Webanwendung kritisch und nicht als absolut betrachtet werden.

×