AI Summary & Key Takeaways
AI InsightDenseNet121 achieved the most balanced and highest overall performance, while ResNet50 exhibited high accuracy and strong generalization capability.
📌 3 Key Takeaways
Abstract
Emotion analysis from facial expressions is a critical research problem with significant applications in human–computer interaction, security systems, and healthcare technologies. Although deep learning–based methods have achieved remarkable progress in recent years, the comparative performance of different architectures and the impact of two-stage transfer learning strategies still require comprehensive investigation. In this study, four widely used deep learning architectures—ResNet50, DenseNet121, InceptionV3, and MobileNetV2—are systematically compared for the task of facial emotion recognition within a two-stage transfer learning framework. In the first stage, models pre-trained on the ImageNet dataset were employed by freezing the convolutional layers and training only task-specific classifier layers. In the second stage, selected upper layers were unfrozen, and fine-tuning was performed to adapt the models more effectively to the target dataset. The models were evaluated not only in terms of classification performance metrics such as accuracy, loss, precision, recall, and F1-score, but also with respect to training time, number of parameters, and model size. All experiments were conducted with multiple repetitions in a GPU environment to enhance the statistical reliability of the results. The experimental findings demonstrate that the two-stage training strategy leads to significant performance improvements across all models. DenseNet121 achieved the most balanced and highest overall performance, while ResNet50 exhibited high accuracy and strong generalization capability. MobileNetV2, despite lower absolute accuracy, emerged as an effective alternative for resource-constrained applications due to its low computational cost. Overall, this study provides a comprehensive evaluation of the trade-off between model performance and computational efficiency in facial emotion recognition, contributing valuable insights to this research domain.
Özet
Yüz ifadelerinden duygu analizi, insan–bilgisayar etkileşimi, güvenlik sistemleri ve sağlık uygulamaları gibi birçok alanda kritik öneme sahip bir araştırma problemidir. Son yıllarda derin öğrenme tabanlı yöntemler bu alanda önemli ilerlemeler sağlamış olsa da, farklı mimarilerin karşılaştırmalı performansı ve iki aşamalı transfer learning stratejilerinin etkisi hâlen kapsamlı biçimde incelenmeye ihtiyaç duymaktadır. Bu çalışmada, yüz ifadelerinden duygu analizi problemi için dört yaygın derin öğrenme mimarisi — ResNet50, DenseNet121, InceptionV3 ve MobileNetV2 — iki aşamalı transfer learning yaklaşımı çerçevesinde sistematik olarak karşılaştırılmıştır. Çalışmada, ImageNet veri kümesi üzerinde önceden eğitilmiş modeller kullanılarak ilk aşamada evrişimsel katmanlar dondurulmuş ve yalnızca problem-özgü sınıflandırıcı katmanlar eğitilmiştir. İkinci aşamada ise seçilen üst katmanlar yeniden eğitime açılarak ince ayar gerçekleştirilmiştir. Modeller, doğruluk, kayıp, kesinlik, ger çağırma ve F1 skoru gibi performans metriklerinin yanı sıra, eğitim süresi, parametre sayısı ve model boyutu açısından da değerlendirilmiştir. Deneyler GPU ortamında çoklu tekrarlar hâlinde yürütülerek sonuçların istatistiksel güvenilirliği artırılmıştır. Elde edilen sonuçlar, iki aşamalı eğitim stratejisinin tüm modellerde anlamlı performans artışı sağladığını göstermiştir. DenseNet121 modeli en dengeli ve en yüksek genel performansı sunarken, ResNet50 yüksek doğruluk ve güçlü genelleme yeteneğiyle dikkat çekmiştir. MobileNetV2 ise düşük hesaplama maliyetiyle kaynak kısıtlı uygulamalar için etkili bir alternatif olarak öne çıkmıştır. Bu çalışma, yüz ifadelerinden duygu analizi alanında model başarımı ile hesaplama maliyeti arasındaki dengeyi bütüncül biçimde ortaya koyarak bu çalışma alanına önemli bir katkı sunmaktadır.