СИСТЕМА РОЗПІЗНАВАННЯ ЕМОЦІЙ НА ОСНОВІ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ - Scientific conference
Main page
UA RU EN

Congratulation from Internet Conference!

Hello

Рік заснування видання - 2011

СИСТЕМА РОЗПІЗНАВАННЯ ЕМОЦІЙ НА ОСНОВІ ЗГОРТКОВИХ НЕЙРОННИХ МЕРЕЖ

13.05.2024 14:57

[1. Information systems and technologies]

Author: Хома Павло Олександрович, студент Інституту фізико-технічних та комп’ютерних наук Чернівецького національного університету ім. Ю. Федьковича


У теперішній час системи штучного інтелекту зазвичай можуть обробляти запити людей, але вони не враховують невербальні сигнали, такі як вираз обличчя, інтонація та жести, які є важливими для повноцінного спілкування [1]. Це обмежує ефективність взаємодії людини з нейронною мережею. Розпізнавання емоцій в реальному часі може полегшити спілкування та збагатити інформацію, надану мережею [2]. Вчені, такі як Тіан Т., вивчають методи виявлення емоцій, але існують проблеми, такі як недостатня точність та здатність розпізнавати складні емоції [1]. 

Отже, актуальною науково-прикладною проблемою є створення і імплементація алгоритму для класифікації емоцій по ключовим точкам на обличчі.

Ця робота інноваційна через застосування згорткової нейронної мережі з нормованими локальними бінарними шаблонами, як вхідних даних для моделі [2]. Вона також проводить порівняльний аналіз різних конфігурацій моделей. 

Об'єктом дослідження є нейронні мережі для розпізнавання емоцій на зображеннях та в реальному часі, а предметом - системи розпізнавання емоцій на основі згорткових нейронних мереж [3].

Мета цієї роботи полягає в створенні ефективної згорткової нейронної мережі, що використовує локальні бінарні шаблони для розпізнавання шести базових емоцій та відсутності емоцій на зображенні. 

Було створено додаток Emotions AI на С++ з використанням Caffe. Він працює на базі алгоритму , який використовує EMD як метрику відстані та ЛБШ для обробки вхідних даних нейронної мережі. У процесі виконання дослідження отримано наступні науково-практичні результати:

1. Використання нормованих локальних бінарних шаблонів та EMD покращує результати розпізнавання емоцій [4]. У даному випадку моделі, що використовують ці методи, показали результати на 15% кращі, ніж класична модель, яка використовує RGB на вході.

2. Експерименти показали, що серед аналізованих варіантів конфігурацій мережі найкращі результати демонструє мережа, яка використовує локальні бінарні шаблони з відстанню 1 від центрального пікселя, а також EMD для циклічних кодів [5].

3. Використання даної моделі не вирішує відому проблему з розпізнаванням відрази [4]. Це може бути пов'язано з нестачею прикладів вираження емоції та з тим, що зразки зображають огиду в поєднанні з іншими емоціями, що ускладнює виділення особливостей міміки для точної класифікації.

4. Щодо інших емоцій, таких як гнів, страх, радість, сум і здивування, мережа розпізнає їх з точністю у проміжку від 40% до 65%, що є задовільним результатом.

СПИСОК ЛІТЕРАТУРИ

1. T. Tian, Y. Xu, and D. Tao, "Deep Learning for Emotion Recognition: A Survey," IEEE Transactions on Affective Computing, vol. 10, no. 1, pp. 3-18, Jan.-Mar. 2019.

2. L. Liu et al., "Local Binary Pattern Based Convolutional Neural Networks for Expression Recognition," in IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

3. Y. LeCun, Y. Bengio, and G. Hinton, "Deep learning," Nature, vol. 521, no. 7553, pp. 436-444, May 2015.

4. Y. Cao, M. Long, and J. Wang, "Partial Order Preserving Hashing for Scalable Similarity Search," in Proceedings of the 28th International Joint Conference on Artificial Intelligence (IJCAI), 2019.

5. K. Simonyan and A. Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition," arXiv preprint arXiv:1409.1556, 2014.

_____________________

Науковий керівник: Двірничук Костянтин Васильович, кандидат фізико-математичних наук, доцент, Чернівецький національний університет ім. Ю. Федьковича

Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
допомога Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter

Another articles in this section

Сonferences

Conference 2024

Conference 2023

Conference 2022

Conference 2021



Міжнародна інтернет-конференція з економіки, інформаційних систем і технологій, психології та педагогіки

Наукова спільнота - інтернет конференції

:: LEX-LINE :: Юридична лінія

Інформаційне суспільство: технологічні, економічні та технічні аспекти становлення