Ученые представили полный открытый фреймворк на основе MATLAB для разработки и валидации компактных моделей глубокого обучения для распознавания эмоционального прикосновения в мягких интерактивных компаньонах. Основной вклад - создание публично доступного датасета из 1326 размеченных последовательностей жестов, собранных от 25 участников (дети, подростки, взрослые).
Систематический поиск архитектур и гиперпараметров среди 468 моделей CNN выявил компактные расширенные одномерные сверточные нейронные сети (1D CNN) как наиболее эффективное решение. Модель с 13.2k параметров показала 75% точность на тестовых данных и 85% точность при кросс-валидации с исключением одного субъекта. Предложена гибридная стратегия развертывания: мгновенная фильтрация эвристическими методами с последующей тонкой классификацией жестов CNN.