這篇文章標題雖然包含了人機互動，但是對人機互動部分進行過多描述

1.這篇文章究竟講了什麼問題？
採用遷移學習的方法，利用人臉表情資料集訓練了幾個卷積神經網路模型

2.這是否是一個新的問題？
不是

3.這篇文章要驗證一個什麼科學假設？
使用遷移學習提高人臉表情識別的精度。

4.有哪些相關研究？如何歸類？誰是這一課題在這領域值得關注的研究員？
a)Fan Y, Lam JC, Li VO (2018) Multi-region ensemble convolutional neural network for facial expression recognition. In: Proceedings of International conference on artificial neural networks, Rhodes, Greece. pp 84–94
b) Wang Y, Li Y, Song Y, Rong X (2019) Facial expression recognition based on auxiliary models. Algorithms 12(11):227
c) Norde´n F, von Reis Marlevi F (2019) A comparative analysis of machine learning algorithms in binary facial expression recognition (Dissertation).
[28]-[35]
基本都是基於卷積神經網路的方法。
5.論文中提到的解決方案之關鍵是什麼？
遷移學習！

6.論文中的實驗是如何設計的？
a)分別對三個模型使用遷移學習訓練，得到在測試資料上的結果。評價指標包括：recall, specificity, precision,f1.
b)與其他方法進行對比

7.用於定量評估的資料集是什麼？程式碼有沒有開源？
CK+，暫時沒有發現開源

8.論文中的實驗及結果有沒有很好地支援需要驗證的科學假設？
實驗結果表明本文方法(遷移學習)達到了較高的精度。

9.這篇論文到底有什麼貢獻？
提出一個遷移學習的方法，訓練多個人臉表情識別模型

10.下一步呢？有什麼工作可以繼續深入？
感覺創新點不夠，遷移學習應用的範圍現在已經很廣。對於微表情識別，也可採用
遷移學習來提高識別精度。考慮採用mobilenet作為特徵提取模型，可以作為落地應用的模型。