貓咪臉部表情分析與心情辨識
張O瑋、李O恆、余O霖、饒O葳
近年來，深度學習與電腦視覺技術已廣泛應用於非言語情感分析，惟貓科動物之情緒辨識研究仍相對匱乏。國際大型文獻（Dawson et al., 2019）指出，在移除明顯肢體訊號後，高達 87% 的大眾對貓咪面部情感之判讀正確率低於隨機機率，這種主觀判讀誤差常導致飼主錯失疾病黃金治療期。
為解決此痛點，本研究旨在導入 AI 電腦視覺技術，結合卷積神經網路（CNN）與遷移學習（Transfer Learning），建構一套非侵入式之「貓咪微表情與情感狀態輔助辨識模型」。研究採用 Roboflow 公開資料集，將情緒精準分類為：放鬆（Relaxed）、專注（Attentive）、憤怒（Angry）、悲傷（Sad）與不適（Uncomfortable）等五大類，並引入貓咪臉部動作編碼系統（CatFACS）之面部幾何與肌肉運動特徵作為行為學行為基石，藉此提升模型在隱性微表情辨識之客觀度與精準度。本系統實作端對端之即時影像辨識，使用者上傳影像即可獲得情感標籤與信心水準（Confidence Score）。
