Type de document : Revue scientifique publiée dans publié dans Animals
Auteurs : Pia Haubro Andersen, Sofia Broomé, Maheen Rashid, Johan Lundblad, Katrina Ask, Zhenghong Li, Elin Hernlund, Marie Rhodin, Hedvig Kjellström
Résumé en français (traduction) : Vers la reconnaissance automatique des expressions faciales de la douleur chez les chevaux
La reconnaissance automatique des expressions faciales humaines de la douleur et des émotions est, dans une certaine mesure, un problème résolu, grâce à des approches basées sur la visualisation par ordinateur et l’apprentissage automatique. Cependant, l’application de ces méthodes aux chevaux s’est avérée difficile. Les principaux obstacles sont l’absence de bases de données annotées suffisamment importantes pour les chevaux et les difficultés à obtenir des classifications correctes de la douleur parce que les chevaux sont non verbaux. Cette revue décrit notre travail pour surmonter ces obstacles, en utilisant deux approches différentes. L’une implique l’utilisation d’un système de classification manuel, mais relativement objectif, de l’activité faciale (Facial Action Coding System), où les données sont analysées pour les expressions de la douleur après codage à l’aide de principes d’apprentissage automatique. Nous avons conçu des outils qui peuvent aider à la classification manuelle en identifiant les faces et les points clés du faciès des chevaux. Cette approche donne des résultats prometteurs dans la reconnaissance automatisée des unités d’actions faciales à partir d’images. La deuxième approche, l’apprentissage de bout en bout par réseau neuronal récurrent, nécessite moins d’extraction de caractéristiques et de représentations à partir de la vidéo, mais dépend plutôt de grands volumes de données vidéo avec une vérité terrain. Nos résultats préliminaires suggèrent clairement que la dynamique est importante pour la reconnaissance de la douleur et montrent que des combinaisons de réseaux neuronaux récurrents peuvent classifier la douleur expérimentale chez un petit nombre de chevaux mieux que des évaluateurs humains.
Résumé en anglais (original) : Automated recognition of human facial expressions of pain and emotions is to a certain degree a solved problem, using approaches based on computer vision and machine learning. However, the application of such methods to horses has proven difficult. Major barriers are the lack of sufficiently large, annotated databases for horses and difficulties in obtaining correct classifications of pain because horses are non-verbal. This review describes our work to overcome these barriers, using two different approaches. One involves the use of a manual, but relatively objective, classification system for facial activity (Facial Action Coding System), where data are analyzed for pain expressions after coding using machine learning principles. We have devised tools that can aid manual labeling by identifying the faces and facial keypoints of horses. This approach provides promising results in the automated recognition of facial action units from images. The second approach, recurrent neural network end-to-end learning, requires less extraction of features and representations from the video but instead depends on large volumes of video data with ground truth. Our preliminary results suggest clearly that dynamics are important for pain recognition and show that combinations of recurrent neural networks can classify experimental pain in a small number of horses better than human raters.
