2021年8月14日上午，由中国计算机学会（CCF）主办，河北大学协办的“新一代人机交互背景下，情绪识别技术如何落地？”技术论坛顺利在线上举办，论坛紧密围绕“传统模型和深度学习模型在情绪识别中哪种更有效？”、“在情绪识别中，数据为王？模型为王？还是知识为王？”和“情绪识别技术落地的瓶颈是什么？情绪识别技术如何真正落地？”等议题进行了深入地思辨，以探寻新一代人机交互背景下，情绪识别技术如何落地。本次论坛由CCF YOCSEF保定学术秘书、河北大学副教授刘帅奇和CCF YOCSEF保定主席、华北电力大学教授赵振兵担任执行主席，邀请CCF YOCSEF总部副主席（2010-2011年度）、中科院自动化所研究员陶建华，北京邮电大学教授邓伟洪以及中国科学院心理研究所副研究员王甦菁做引导性发言，同时在思辨环节邀请了华北电力大学教授张珂、河北工业大学副教授师硕以及百度NLP资深研发工程师刘昊共同参与思辨讨论。CCF YOCSEF总部主席李浥东，CCF YOCSEF长沙主席杨超，CCF YOCSEF南京AC刘天亮，CCF YOCSEF厦门AC张雪白以及来自全国各高校和企事业单位等专家学者共300余人参会并发表观点凝聚共识，此次论坛在微信群中同步直播及互动。

会议主题

首先，由CCF YOCSEF保定主席赵振兵做了CCF YOCSEF文化培训。本次论坛分为嘉宾引导发言和思辨讨论两个阶段。

在引导发言阶段，首先，陶建华做了“多模态情感计算的现状与挑战”的引导发言，他以自己做为主要成员亲身参与情感识别国际标准制定的经历出发，以当前心理学、脑科学科研发展为基础，由情感的产生引出情感计算的概念，为参会人员从算法以及应用方面介绍了多模态情感识别计算的现状与挑战。

随后，邓伟洪做了主题为“真实世界人脸表情识别”的引导发言，对现有的人脸表情数据库进行概括，并指出现有的数据库对文化依赖的问题。最后，结合自己在人脸表情所做的工作，探讨了真实世界人脸表情识别所面临的问题以及对未来的展望。

最后，王甦菁做了主题为“微表情数据诱发和标注”的引导发言，以微表情的神经生理假说为切入点，加入了心理学的知识剖析了创建微表情数据库的挑战，从深度学习方面对微表情识别的模型进行介绍。

至此，引导发言环节结束，与会嘉宾进行合影留念。

与会人员合影留念

接着论坛进入思辨环节，与会嘉宾人员围绕着“传统模型和深度学习模型在情绪识别中哪种更有效？”、“在情绪识别中，数据为王？模型为王？还是知识为王？”以及“情绪识别技术落地的瓶颈是什么？情绪识别技术如何真正落地？”三个议题展开了思辨，总结凝练如下：

议题1：传统模型和深度学习模型在情绪识别中哪种更有效？

思辨总结：在情感识别中，多模态识别能够大幅提升识别性能，不同的输入信号导致了不同的模型选择，要综合考虑不同应用的数据、硬件、可解释性、速度和准确率要求，针对不同的需求选择恰当的方法。现阶段深度学习以其强大的学习能力在情绪识别中更有效，同时大家也认同传统方法是不能抛弃的，不同的模型有不同的优势，如何将传统模型和深度模型相结合，取长补短可能是我们要做的重要工作。

议题2：在情绪识别中，数据为王？模型为王？还是知识为王？

思辨总结：无论是情绪识别方向还是人工智能领域，“数据”和“模型”一直呈现相互促进的螺旋提升关系。模型有进展后，需要的数据量逐渐变多，而数据通过某种方式达到一个新的程度后，就需要新的模型进行提升识别。在发展过程中，知识引导数据是基础，更好地认识数据才能更好地收集和标记数据。人工智能在进行数据和模型的处理时，融合知识使用知识驱动更有效果，三者之间形成了相辅相成的关系。

议题3：情绪识别技术落地的瓶颈是什么？情绪识别技术如何真正落地

思辨总结：情绪识别在单一行业中的应用很多。它的落地瓶颈一方面在于模型训练和布置所需要的资源较多，另一方面在于情感的有效理解及应用多样性，在应用中只能应用在固定领域，不同场景的迁移和适用能力有限。另外数据来源、数据安全和模型可解释性也是情绪识别落地的瓶颈因素。要做到真正的落地，需要将数据标注和场景分析都做好。在落地的过程中，模型并不是一个很重要的因素，如果在数据的基础上，选择合适的模型就可以取得很好的效果。再有在落实的过程中，要注重研究者和应用方的共识与共情，协调统一好双方的话语方式和目标诉求也是非常关键的要素。

线上思辨现场

本着求真务实的思辨精神，此次论坛的输出观点整理凝练如下：

（1）传统模型和深度学习模型均是情绪识别领域的工具，传统模型可以利用较简单模型解决问题。深度学习面对大量数据处理效果更好。传统方法的优势是其原理和可解释性较好；而深度学习在特征获取和表达方面有优势。总而言之，深度和传统模型有不同的优势，要根据不同的任务，不同的数据进行模型的选择。

（2）数据和模型相辅相成的，而知识能够引导数据集的构建。认识数据才可以收集数据，同时需要很多的先验知识，数据标注针对某个特定的应用，需要知识先导才能够更加有效。

（3）情绪识别落地瓶颈在于模型训练和布置所需要的资源较多、情感计算的普适性差，另外数据来源、数据安全和模型可解释性也是情绪识别落地的瓶颈之一。在未来发展过程中，要做到真正的落地，情绪识别领域需要制定统一的评价标准、技术发展方向要和真正应用场景结合以及收集和标注更高质量的数据集。

本次论坛通过情绪识别的概念、国际标准制定的过程和相应的知识与技术的交流，深度讨论了破解限制情绪识别技术的发展及新一代人机交互背景下应用的影响因素，最终给出情绪识别技术可先从数据标注做起，以数据和模型为基础，将知识深入融合，并结合应用场景，针对具体细分领域做大做强的落地建议，为相关国内外学者和研究人员的研究进一步明确了研究思路，对推动产业落地具有较高的参考价值。

随后思辨环节结束，执行主席为嘉宾颁发感谢牌，感谢CCF YOCSEF总部及兄弟分论坛的大力支持。

颁发感谢牌