Geri Dön

Applying a facial emotion prediction approach based on algorithms of artificial intelligence

Başlık çevirisi mevcut değil.

  1. Tez No: 833054
  2. Yazar: IHAB LAYTH AMJED AL QASSAB
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 78

Özet

Mevcut araştırma, zihinsel temsil için prognostik bir çerçeve sunmaktadır. yazarların ortaya koyduğu tavsiyelere dayanan yüz ifadeleri. Korpus Araştırmada kullanılan, yedi kişiyi tasvir eden, değişen kontrastlara sahip 35.900 görüntüden oluşuyor. ayrı duygusal durumlar. Görüntüler Kaggle platformundan temin edildi. Veri kümesi %80'ini oluşturan eğitim alt kümesi olmak üzere iki alt kümeye bölündü. verilerin %20'sini oluşturan test alt kümesi. Çalışma bulguları Evrişimsel sinir ağlarının (CNN'ler) önerilen modele dahil edildiğini gösterir. Model, doğruluk ve işlem süresinde kayda değer ilerlemeler sağladı. Bu bir temsil eder Modellerin validasyonunda önemli gelişme. Modellerin değerlendirilmesi performans metriklerinin ve derecelendirme raporlarının kullanılması övgüye değer bir metodolojidir, çünkü performanslarının daha kesin bir şekilde açıklanması. Doğruluk, aşağıdakiler için kullanılan çok önemli bir ölçümdür: Makine öğrenimi modellerinin çeşitli spektrumları tespit etmedeki etkinliğinin değerlendirilmesi duygusal kategoriler. Çalışmanın modellerinin yüksek düzeydeki doğruluğu, bunun kanıtını sağlıyor Kullanılan araştırma yöntemlerinin etkinliği. Evrişimsel sinir kullanımı Ağlar (CNN'ler), dikkat çekici özellikleri nedeniyle görüntü sınıflandırma çalışmalarında yaygındır. Görüntülerden önemli özellikleri çıkarma yeteneği. Araştırma sonuçta bir plan tasarlıyor Evrişimli sinir ağlarını kullanarak yüz duygularını tespit etmek için prognostik çerçeve (CNN'ler) ve olağanüstü derecede hassasiyet sergileyen C programlama dili. Performans ölçümlerinin kullanılması, aşağıdakilerle ilgili tamamlayıcı bakış açıları sunar: modellerin etkililiği. Bunların uygunluğunu değerlendirmek için ek araştırmalar gereklidir. çeşitli veri kümeleri ve demografik özellikler için modeller. Bir yazılım prototipi oluşturuldu Hem araştırmacılara hem de araştırmacılara potansiyel avantajlar sunan Visual Studio Code'u kullanma son kullanıcılar. Genel olarak bu araştırma yüz bakımı alanına değerli bir katkı sağlamaktadır. Son derece doğru bir tahmin modelinin sunulması yoluyla duygu tanıma Bu özel girişimde CNN'lerin etkinliğini vurguluyor. Yazılım uygulaması olan geliştirilmiş olması pragmatik kullanım potansiyeli sergilemektedir ve bu ihtiyacı haklı çıkarmaktadır. Ek soruşturma.

Özet (Çeviri)

The present research introduces a prognostic framework for the mental representation of facial emotions that is grounded in the recommendations put forth by the authors. The corpus utilized in the inquiry comprises 35,900 images with varying contrasts that depict seven discrete emotional states. The images were procured from the Kaggle platform. The dataset underwent partitioning into two subsets, namely the training subset, which comprised 80% of the data, and the testing subset, which comprised 20% of the data. The study findings indicate that the incorporation of convolutional neural networks (CNNs) in the suggested model yielded noteworthy advancements in accuracy and processing time. This represents a substantial improvement in the validation of the models. Assessing models through the utilization of performance metrics and rating reports is a laudable methodology, as it affords a more precise elucidation of their performance. Accuracy is a crucial metric utilized for assessing the efficacy of machine learning models in detecting a diverse spectrum of emotional categories. The study's models' high level of accuracy provides substantiation for the efficacy of the employed research methodologies. The utilization of convolutional neural networks (CNNs) is prevalent in image classification endeavors owing to their remarkable aptitude for extracting significant features from images. The research ultimately devises a prognostic framework for detecting facial emotions, utilizing convolutional neural networks (CNNs) and the C programming language, which exhibit exceptional degrees of precision. The utilization of performance metrics offers supplementary perspectives regarding the efficacy of the models. Additional research is necessary to evaluate the suitability of these models for varied datasets and demographics. A software prototype has been created utilizing Visual Studio Code, which presents potential advantages for both researchers and end-users. In general, this research makes a valuable contribution to the domain of facial emotion recognition through the presentation of a highly accurate predictive model, which highlights the efficacy of CNNs in this particular undertaking. The software application that has been developed exhibits potential for pragmatic usage and justifies the need for additional investigation.

Benzer Tezler

  1. 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

  2. Sentetik kannabis kullanıcılarında yüzde dışavuran duyguları tanıma-ayırt etme ve iletişim becerilerinin araştırılması: Kesitsel kontrollü çalışma

    Research on the facial emotion identification-discrimination and communication skills in synthetic cannabis users: Cross-sectional controlled study

    HAMDİ ŞİMŞEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    PsikiyatriEge Üniversitesi

    Psikiyatri Ana Bilim Dalı

    PROF. DR. AYŞE ENDER ALTINTOPRAK

  3. Şizofreni hastalarında oksitosin, vazopressin ve atrial natriüretik peptit düzeylerinin bilişsel işlevlerle ilişkisi

    The relationship between oxytocin, vasopressin and atrial natriuretic peptide levels with cognitive functions in schizophrenic patients

    TUĞBA MUTU

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    PsikiyatriSakarya Üniversitesi

    Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. ESRA YAZICI

  4. Madde kullanım bozukluğu, dikkat eksikliği hiperaktivite bozukluğu, dikkat eksikliği hiperaktivite bozukluğu eş tanılı madde kullanım bozukluğu olgularının kognitif işlevler ve beyin görüntüleme açısından değerlendirilmesi

    Assesment of cognitif functions and brain imaging in patients with substance use disorders and attention deficit hyperactivity disorder

    ZEHRA ÇAKMAK ÇELİK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    PsikiyatriEge Üniversitesi

    Çocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. ZEKİ YÜNCÜ

  5. Derin öğrenme ile insan edimlerinin tanınması

    Human action recognition using deep learning

    TAYYİP ÖZCAN

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPER BAŞTÜRK