Geri Dön

Facial expression recognition based on transfer learning and data augmentation

Transfer öğrenmeyi kullanarak yüz ifadeleri tanıma ve veri büyütme

  1. Tez No: 685763
  2. Yazar: HAITHAM ALHAJI
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TARKAN AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

  2. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT SARAN

  3. 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

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

    PROF. DR. NAFİZ ARICA

  4. 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

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesi

    Bilişim Sistemleri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜSEYİN GÜRÜLER

  5. Lightweight facial expression recognition systems for social robots

    Sosyal robotlar için hafif ağırlıklı yüz ifadesi tanıma sistemleri

    ERHAN BİÇER

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE