A deep learnıng appproach wıth convolutıonal neural networks for facıal emotıon recognıtıon
Yüz ifadelerindeki duyguları tanımak ı̇çı̇n evrişimsel sinir ağları ı̇le bı̇r derı̇n öğrenme yaklaşımı
- Tez No: 916010
- Danışmanlar: PROF. DR. TÜRKER TEKİN ERGÜZEL
- Tez Türü: Yüksek Lisans
- Konular: Psikoloji, Psychology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Duygular, insan iletişiminin ve ilişkilerinin önemli göstergeleridir. Yüz ifadeleri, davranışsal ölçümler yoluyla bireyin duygusal durumuna ilişkin ipuçları sağlar. Her duygunun kendine özgü ve belirgin bir yüz ifadesi örüntüsü vardır. Duygular, çevresel bir uyarana verilen öznel tepkilerdir ve yüz ifadeleri yoluyla gözlemlenebilir ve ayırt edilebilir. Yüz ifadelerinin değerlendirilmesi, sözel olmayan iletişim için oldukça önemlidir. Derin öğrenme modelleri, insan yüz ifadelerini tanıma ve duyguların sınıflandırılması hakkında varsayımlarda bulunma yeteneğine sahiptir. Bu çalışmanın amacı, yüz duygu tanıma (FER) bağlamında transfer öğrenme yoluyla evrişimsel sinir ağlarını (CNN) sunmaktır. Evrişimsel sinir ağları, birçok alanda popülerlik kazanan bir derin öğrenme türüdür ve görsel görevlerde, nesne algılamada, görüntü segmentasyonunda ve yüz ifadesi ile duygu tanıma gibi sınıflandırmalarda yaygın olarak kullanılmaktadır. İnsan duyguları, yüz özellikleri ve yüz kas hareketleri aracılığıyla yüz ifadesi ile duygu tanıma ile kategorize edilir. Transfer öğrenme (TL), önceden oluşturulmuş sinir ağı modellerinin kullanımını ifade eder ve daha az zaman, veri ve donanım gereksinimiyle daha yüksek doğruluk oranı sağlama kolaylığı sunar. Bu çalışmada transfer öğrenme yoluyla elde edilen evrişimsel sinir ağları (CNN) mimarisine sahip 2DCNN, IR50, ResNet18, DenseNet121, MobilNetV2 olmak üzere beş farklı derin öğrenme modeli performanslarını gözlemlemek için kullanılmıştır. Tüm modeller FER2013 veri seti ile eğitilmiştir. 2DCNN, IR50, ResNet18, DenseNet121, MobilNetV2 modellerinin doğrulama performansı sırasıyla 63.50, 63.59, 64.65, 65.80 ve 64.55'tir. Derin öğrenmenin, yüz ifadelerinden duygu tanımayı davranış bilimi ve diğer disiplinlerde daha yaygın kullanılan bir yöntem haline getirebileceği düşünülmektedir.
Özet (Çeviri)
Emotions are significant indicators of human communication and relationships. Facial expressions provide clues to an individual's emotional state through behavioral measures. Each emotion has its own distinctive and unique pattern of facial expression. Emotions are subjective responses that can be observed and distinguished through facial expressions. Evaluation of facial emotions is very important for nonverbal communication. Deep learning models have the ability to recognize human facial expressions and make assumptions about the classification of human emotions. The aim of this study is to present Convolutional Neural Networks (CNN) through transfer learning in the context of Facial Emotion Recognition (FER). Convolutional neural networks are a type of deep learning that is gaining popularity in many fields and are widely used in visual tasks, object detection, image segmentation, and classification such as FER. Human emotions are categorized by FER by means of facial features and facial muscle movements. Transfer learning (TL) refers to the use of pre-built neural network models and offers the convenience of improved accuracy with less time, data and hardware requirements. Five different deep learning models; 2DCNN, IR50, ResNet18, DenseNet121, MobilNetV2 with CNN architecture acquired through transfer learning were used in this study to observe their performance. All models are trained on the FER2013 dataset. The validation accuracy of the models 2DCNN, IR50, ResNet18, DenseNet121, MobilNetV2 are 63.50, 63.59, 64.65, 65.80 and 64.55, respectively. It is considered that deep learning would make facial emotion recognition a more widely used method in behavioral science and other disciplines.
Benzer Tezler
- 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
- 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
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Deep learning approach for laboratory mice grimace scaling
Laboratuvar faresi yüz ağrı ifadesi derecelendirmesı için derin öğrenme
MUSTAFA ERAL
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR HALICI
- 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
- İnsanın yüz mimiklerinden durum analizi yapma
Making situation analysis from human face gestures
BÜŞRA EMEK SOYLU
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET SERDAR GÜZEL