深度学习时代的情感识别模型演进：从CNN到Transformer的技术突破？ 热门官方

回答：①CNN阶段（2012-2015）：用卷积层提取空间特征（如面部表情的局部纹理、语音的频谱图特征），代表模型如AlexNet-FER（面部表情识别准确率85%），局限是无法建模长时时序依赖；②RNN/LSTM阶段（2015-2018）：用循环神经网络捕捉时序特征（如语音、面部表情的动态变化），代表模型如LSTM-IEMOCAP（语音情感识别准确率68%），局限是长时时序梯度消失、并行计算能力差；③Transformer阶段（2018至今）：用自注意力机制捕捉长距离时序/空间依赖，支持多模态并行处理，代表模型如ViT-BERT（多模态情感识别准确率83%）、TimeSformer（视频情感识别准确率提升20%），突破在于解决了长时时序建模与多模态融合的效率问题，但需大量数据与计算资源。