No es una tarea fácil para los organizadores observar el nivel de compromiso de una audiencia de reunión en video. Esta investigación se realizó para construir un sistema inteligente que mejore la experiencia de las conversaciones en video, como reuniones virtuales y aulas en línea, utilizando modelos de aprendizaje automático basados en redes neuronales convolucionales (CNN) y máquinas de vectores de soporte (SVM) para clasificar los estados emocionales y el nivel de atención de los participantes en una conversación en video. Esta aplicación visualiza sus análisis de atención y emoción de manera significativa. Este sistema propuesto proporciona un sistema de análisis impulsado por inteligencia artificial (IA) con modelos de aprendizaje automático optimizados para monitorear la audiencia y preparar informes perspicaces sobre la base de las características faciales de los participantes a lo largo de la conversación en video. Uno de los principales objetivos de esta investigación es utilizar el chip acelerador neuronal para mejorar las tareas de detección de emoción y atención. Se utilizó en este sistema una CNN personalizada desarrollada por Gyrfalcon Technology Inc (GTI) llamada GnetDet para ejecutar el modelo entrenado en su chip acelerador neuronal GTI Lightspeeur 2803.