Geri Dön

Duygu tanıma için derin öğrenme modellerinin karşılaştırılması ve uygulanabilirliği

Comparison and applicability of deep learning models for emotion recognition

  1. Tez No: 884925
  2. Yazar: MESUT UYSAL
  3. Danışmanlar: DOÇ. DR. MEHMET FATİH DEMİRAL
  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: 2024
  8. Dil: Türkçe
  9. Üniversite: Burdur Mehmet Akif Ersoy Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

Bu tezde, çeşitli yüz ifadelerini tanımlamak ve sınıflandırmak için derin öğrenme mimarileri kullanılarak duygu tespiti alanında bir çalışma yapılmıştır. Bu çalışmanın amacı, öfke, küçümseme, iğrenme, korku, mutluluk, tarafsızlık, üzüntü ve şaşkınlık gibi farklı yüz ifadelerini ayırt etmektir. Çalışma, DenseNet121, EfficientNetB5, MobileNetV2, ResNet50, VGG16 ve YOLOv8m-cls gibi bilgisayarla görme ve makine öğrenimi alanında farklı özellik ve yeteneklere sahip iyi bilinen modellerin kullanım nedenlerini ve bu modellerin karşılaştırmalı sonuçlarını içermektedir. Araştırma süresince, çeşitli duygusal ifadeler içeren veri setleri titizlikle hazırlanmış ve kapsamlı model eğitimi ve değerlendirmesi sağlanmıştır. Veri setleri, özellik çıkarma sürecini iyileştirmek ve potansiyel önyargıları azaltmak için ön işleme tabi tutulmuştur. Daha sonra, her model yüz ifadelerini doğru bir şekilde tespit etmek ve sınıflandırmak için performanslarını optimize edecek gerekli yöntemlerle eğitilmiştir. Sonuçlar, her mimarinin doğruluğunu ve zayıf yönlerini açığa çıkararak, gerçek dünya senaryolarındaki uygulanabilirliklerini aydınlatmıştır. Bulgular, belirli kullanım durumları ve hesaplama kısıtlamaları için uygun modellerin seçilmesinin önemini vurgulamaktadır. Gelecekte, bu araştırma, duygu tespiti tekniklerinin daha fazla araştırılmasını ve geliştirilmesini destekleyerek sağlık hizmetleri, insan-bilgisayar etkileşimi ve duygusal bilişim gibi çeşitli alanlarda faydalar sağlayabilir. Verilen modeller arasında en yüksek doğruluk değerine %89 ile YoloV8m-cls modeli erişirken, en kötü performans ve en büyük kayıplar ise %60 doğruluk ile VGG16 modeli gösterdiği için uygun bir yöntem değildir.

Özet (Çeviri)

In this thesis, a study was conducted in the field of emotion detection by utilizing deep learning architectures to identify and classify various facial expressions. The aim of this study is to distinguish between different facial expressions such as anger, contempt, disgust, fear, happiness, neutrality, sadness, and surprise. The study includes the reasons for using well-known models with different features and capabilities in the field of computer vision and machine learning, such as DenseNet121, EfficientNetB5, MobileNetV2, ResNet50, VGG16, and YOLOv8m-cls, along with their comparative results. Throughout the research, datasets containing various emotional expressions were meticulously prepared to provide comprehensive model training and evaluation. The datasets were pre-processed to enhance the feature extraction process and reduce potential biases. Subsequently, each model was trained using necessary methods to optimize their performance in accurately detecting and classifying facial expressions. The results exposed the accuracy and weaknesses of each architecture, shedding light on their applicability in real-world scenarios. The findings highlight the importance of selecting models that are suitable for specific use cases and computational constraints. In the future, this research has the potential to support further investigation and development of emotion detection techniques, providing benefits in various fields such as healthcare, human-computer interaction, and affective computing. Among the given models, the YoloV8m-cls model achieved the highest accuracy with 89%, while the VGG16 model showed the worst performance and the largest losses with an accuracy of 60%, making it an unsuitable method.

Benzer Tezler

  1. Comparison of deep learning models for speech emotion recognition

    Konuşma duygusu tanıma için derin öğrenme modellerinin karşılaştırılması

    ÖMER ÇAĞRI DALA

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtılım Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT KOYUNCU

  2. 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

  3. Derin öğrenme ile cerrahi video anlama

    Surgical video understanding with deep learning

    ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DUYGU SARIKAYA

  4. Emotion recognition in children: Single and multimodal approaches with facial and physiological data

    Çocuklarda duygu tanima: Yüz ve fizyolojik verilerle tekli ve çoklu modalite yaklaşimlari

    ŞEYMA TAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

  5. Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models

    Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma

    NEŞE GÜNEŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULUĞ BAYAZIT