Emotion recognition on static images using transfer learning and ensembling
Transfer ögrenme ve topluluk öğgrenmesi kullanarak durağan görüntüler üzerinde duygu tanıma
- Tez No: 510274
- Danışmanlar: PROF. DR. ZEHRA ÇATALTEPE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 67
Özet
Duygu tanıma bilgisayar ve insan etkiliiminin oldugu her alanda faydalı olabilmektedir. Evrişimsel Sinir Aglarının (CNN) bilgisayarla görü görevlerinde iyi olduğu bilinmektedir. Fakat CNN'lerin egitilmesi, özellikle eğitim verisinin ve hesaplama gücünün az oldugu durumlarda, oldukça zordur. Transfer ögrenme bu gibi durumlarda, ucuz ve etkili bir çözüm olarak göze çarpar. Transfer ögrenmede önceden eğitilmiş CNN sınıflandırıcıları kullanılır. Bu çalışma iki katkı sunar. Birinci katkı, farklı mimariler ve farklı veri kümeleri kullanılarak egitilmiş CNN modelleri incelenerek duygu tanıma problemine uygun olanı bulunmaya çalışılmıştır. İkinci katkı olarak, her duygu için ayrı bir uzman sınıflandırıcı egitilmitir. Ana model, uzman modellerle topluluk ögrenmesi yöntemiyle birleştirilip daha iyi bir sınıflandırıcı elde edilmiştir. Deney sonuçları, transfer ögrenme ve topluluk ögrenmesi kullanılarak güçlü bir sınıflandırıcının elde edilmesinin mümkün oldugunu ortaya koymuştur. Eğitilen en iyi sınıflandırıcı, FER13 dogrulama veri kümesi üzerinde %69.49 isabet oranı göstermiştir.
Özet (Çeviri)
Emotion recognition may be useful in any area where human and computer interacts. CNNs are known to be good at computer vision tasks. However, CNNs are difficult to train, especially when the amount of data and computation power is limited. Transfer learning emerges as a cheap and efficient way of making use of pre-trained CNN classifiers. Our work has two contributions. Firstly, different CNN architectures and models trained using different datasets are investigated to find a suitable model to use in emotion recognition. Secondly, expert models for each emotion are trained. The Base model is ensembled with expert models to create a better classifier. Experiments show that our use of ensembling together with transfer learning helps to create a good classifier. Best classifier shows 69.49% accuracy on FER13 validation set.
Benzer Tezler
- Derin öğrenme ile insan edimlerinin tanınması
Human action recognition using deep learning
TAYYİP ÖZCAN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALPER BAŞTÜRK
- Durgun görüntülerden yüz ifadelerinin tanınması
Facial expression recognition from static images
BİLGE SÜHEYLA AKKOCA
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUHİTTİN GÖKMEN
- An embedded design and implementation of a facial expression recognition system
Yüz ifadelerini tanıma sistemi gömülü sistem tasarım ve uygulaması
ÖMER SÜMER
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Videolarda sahne geçişinin belirlenmesi ve sahne duygu analizi
Determination scene transition in videos and scene emotion analysis
NİHAL ÇETİN
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURHAN ERGEN
- Affect recognition based on key frame selection from video
Videodan anahtar çerçeve seçimine dayalı duygu tanıma
MEHMET KAYAOĞLU
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiBahçeşehir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÇİĞDEM EROĞLU ERDEM