Facial expression recognition based on transfer learning and data augmentation
Transfer öğrenmeyi kullanarak yüz ifadeleri tanıma ve veri büyütme
- Tez No: 685763
- Danışmanlar: DR. ÖĞR. ÜYESİ TARKAN AYDIN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Bilim ve araştırma adamları onlarca yıldır öğrenebilen ve insanın düşündüğü gibi yapay zekâ teknikleri kullanarak karar vermeye düşünebilen bir model oluşturmaya çalışıyorlar. Ek olarak, ifadeleri sınıflandırmak için makineyi insanlaştırmasında bir adım oluşturur. Bilgisayar görüşü olarak sosyal makine uygulamalarında, akıllı araçlarda, akıllı sınıflarda ve benzerlerinde yüz ifadeleri tanıması için canlı bir araştırma alanı olarak kabul edildi. Bu nedenle, bu araştırmasında, transfer öğrenmeye dayalı derin öğrenme kullanarak yedi tür yüz ifadesini tanımak ve anlamak için en iyi modeli araştırmaktadır. İncelenen modellerin performansını, doğruluk oranı, zaman, parametreler vb. Bu nedenle bu tez, farklı veri zenginleştirme yaklaşımlarının duygu tanıma problemi için popüler mimariler üzerindeki etkilerini araştırmaktadır.ölçümlerde entegre analizler sunmak için evrişimli sinir ağların ayrılma ve veri artırma teknikleri kullanılmaktadır. FER2013 veri seti için aynı ortam, parametreler ve transfer öğrenmesiyle ResNet50, SENet50 ve VGG16 olarak üç model test edildi. Sonuç olarak, 70.49 oranına sahip ResNet50'nin sunduğum aynı ortamda sorunun çözdüğünü gösterilmiştir.
Özet (Çeviri)
Scientists and researchers are attempting, for decades, to build a model that can learn or make, and also think for acting the way of real humans in decisions on artificial intelligence. Besides, it is played a step-in robot's humanization to classify the classes of expressions. In computer vision, facial expression recognition (FER) is considered an active area in social robots, intelligent vehicles, smart classes, etc. Therefore, this thesis investigates the effects of different data augmentation approaches on popular architectures for emotion recognition problem. Convolution neural networks (CNN) with their techniques such as dropout and data augmentation in different situations have been utilized to improve the models' performance and investigating in their effeteness with eights parameters. They have been presented a coherent analysis in metrics, such as accuracy, time, parameters, loss, size, and epochs. Three models have experimented, such as ResNet50, SENet50, and VGG16 under the same environment, hyperparameters, and transfer learning (VGGFace2) throughout the FER2013 dataset. Finally, we have found ResNet50 with 70.49 percent in 7312.6 seconds with 17 epochs for this problem in the same situation of data augmentation.
Benzer Tezler
- Transfer learning based facial emotion recognition and action unit detection
Transfer öğrenme tabanlı yüz ifadesinden duygu tanıma ve eylem birimi tespiti
SÜLEYMAN ENGİN BAĞLAYİCİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Application of a voting-based ensemble method for recognizing seven basic emotions in real-time webcam video images
Gerçek zamanlı web kamerası video görüntülerinde yedi temel duygunun tanınmasına yönelik oylamaya dayalı topluluk yönteminin uygulanması
AHMET TUNAHAN ŞANLI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT SARAN
- DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.
DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.
CEMAL GÜRPINAR
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
PROF. DR. NAFİZ ARICA
- Farklı derin evrişimsel sinir ağlarının yüz ifadesi tanıma işlemindeki karşılaştırılması
Comparison of different deep convulational neural networks in facial expression recognition process
MEHMET OSMAN DEVRİM
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN GÜRÜLER
- Lightweight facial expression recognition systems for social robots
Sosyal robotlar için hafif ağırlıklı yüz ifadesi tanıma sistemleri
ERHAN BİÇER
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE