مدل بهبود یافته برای تشخیص احساسات افراد با استفاده از حالات صورت مبتنی بر شبکه عصبی کانولوشنال CNN
Publish place: 5th National Conference on Computer, Information Technology and Applications of Artificial Intelligence
Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 297
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF05_012
تاریخ نمایه سازی: 27 فروردین 1401
Abstract:
تشخیص حالات چهره یک حوزه جالب و چالش برانگیز می باشد. حالات صورت از مهم ترین تکنیک های ارتباط غیر کلامی است که انسان از آن برای نشان دادن حالات احساسی خود و برقراری ارتباط غیر کلامی استفاده می کند. یکی از بسترهای مورد استفاده برای تحلیل این حالات، استفاده از تکنیک های یادگیری ماشین، به خصوص با کمک گرفتن از یادگیری عمیق می باشد. لذا در این مقاله، با استفاده از تکنیک یادگیری عمیق و زبان python، الگوریتمی مبتنی بر شبکه عصبی کانولوشنال CNN برای تشخیص احساسات توسط حالات صورت در یک تصویر، ارائه شده است. دراین روش، هفت حالت (شاد، غمگین، نفرت،هیجان، خنثی و ترس و عصبانیت) تشخیص داده می شود. برای آموزش و تست مدل ارائه شده، از دیتاست FER۲۰۱۳ استفاده شده است نتایج شبیه سازی نشان داد که دقت آموزشی الگوریتم برابر با ۹۷.۳۱% و هزینه آموزشی برابر با ۰/۰۸۳۵ می باشد که عملکرد موفق و مناسب روش پیشنهادی در تشخیص حالات چهره را نشان می دهد.
Keywords:
Authors
هانیه امیربگی
دانشجوی کارشناسی دانشگاه صنعتی همدان گروه مهندسی برق
محمدحسین دوست محمدی
مربی عضو هیئت علمی دانشگاه صنعتی همدان گروه مهندسی برق