تشخیص خودکار احساس افراد ( شادی ، تعجب ، نفرت ، غم ) با استفاده از پیاده سازی الگوریتم های هوش مصنوعی و جلوگیری از تظاهر کردن آن ها و اقدام به فریب افراد

چهره طیف گسترده ای از اطلاعات در مورد هویت، سن، جنسیت، نژاد و همچنین حالت احساسی و روحی را نشان می دهد. حالات چهره نقش مهمی در تعاملات اجتماعی بازی می کنند و معمولا در تفسیر رفتاری احساسات استفاده می شوند. تشخیص خودکار حالات چهره با توجه به کاربردهای بالقوه ی آن مانند تعامل کامپیوتر انسان (HCI)، علوم رفتاری، بازی های ویدئویی و غیره، یکی از مسائل جالب و چالش برانگیز در بینایی کامپیوتری است. در این مقاله، روش جدیدی برای تشخیص خودکار حالات چهره با استفاده از ویژگی های شبکه عصبی کانولوشنی عمیق (DCNN) ارائه شده است. مدل ارائه شده بر روی تشخیص حالات چهره یک فرد از یک تصویر واحد تمرکز دارد. به علت استفاده از واحد پردازش گرافیکی همه منظوره (GPGPU)، مدت زمان استخراج ویژگی به طور قابل توجهی کاهش یافته است. با یک ارزیابی بر روی دو مجموعه داده موجود در زمینه حالت چهره که در دسترس عموم است، ما دریافتیم که با استفاده از ویژگی ها DCNN، می توانیم به نرخ تشخیص جدیدی دست بیابیم.

Keywords:

تشخیص حالات چهره , بینایی کامپیوتری , یادگیری ماشین , جلوگیری از تظاهر , هوش مصنوعی , تشخیص خودکار