<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Розпізнавання емоцій людини за допомогою згорткової нейронної мережі

Ескіз

Файли

69737.pdf (571,3 KB)

Дата

2020

Автори


Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

Проаналізовано основні варіанти архітектур згорткових нейронних мереж у контексті розв`язання задачі розпізнання емоцій. Запропоновано додатковий проміжний згортковий шар, який дозволяє знизити вимоги до потужності обчислювальних ресурсів без вагомих втрат точності. Розроблено відповідний програмний продукт.
Basic variants of convolutional neural network architectures are analyzed in the context of emotion recognition resolution. An additional intermediate convolutional layer is proposed to reduce the power requirements of computing resources without significant loss of accuracy. A suitable software product has been developed.

Опис

Ключові слова

розпізнання емоцій , згорткова нейронна мережа , emotion recognition , convolutional neural network

УДК

681.12

Тип документа

Thesis

Мова

uk_UA

Є частиною

Proceedings of the XII International scientific-practical conference«INTERNET-EDUCATION-SCIENCE» (IES-2020), Ukraine, Vinnytsia, 26-29 May 2020 : 202-206.

ISSN

Бібліографічний опис

Зінов`єв Є. В. Розпізнавання емоцій людини за допомогою згорткової нейронної мережі [Текст] / Є. В. Зінов`єв, І. Р. Арсенюк // Proceedings of the XII International scientific-practical conference«INTERNET-EDUCATION-SCIENCE» (IES-2020), Ukraine, Vinnytsia, 26-29 May 2020. – Vinnytsia : VNTU, 2020. – С. 202–206.

URI

http://ir.lib.vntu.edu.ua/handle/123456789/30837

Зібрання

Інтернет-Освіта-Наука (ІОН-2020)
Наукові видання каф. КН

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (11)

  1. Зінов'єв Є., Арсенюк І. Дослідження методів розпізнавання емоцій за допомогою нейронних мереж // Матеріали XLIX науково-технічної конференції підрозділів ВНТУ. Вінниця, 2020. URL: https://ir.lib.vntu.edu.ua/bitstream/handle/123456789/29505/8981.pdf?sequence=3
  2. Y. Lv, Z. Feng, and C. Xu. Facial expression recognition via deep learning. In Smart Computing (SMARTCOMP), 2014 International Conference on, pages 303–308. IEEE, 2014.
  3. T. Ahsan, T. Jabid, and U.-P. Chong. Facial expression recognition using local transitional pattern on gabor filtered facial images. IETE Technical Review, 30(1):47–52, 2013.
  4. A. Gudi. Recognizing semantic features in faces using deep learning. arXiv preprint arXiv:1512.00743, 2015.
  5. Яровий А. А. Розпізнавання мімічних мікровиразів обличчя людини на основі Time Delay Neural Network / Яровий А. А., Кашубін С. Г., Кулик О. О., Липкань І. М. // Вісник Хмельницького національного університету. Технічні науки. – 2015. – № 1. – С. 122 – 126.
  6. Гудфеллоу Я., Бенджио И., Курвилль А. Г93 Глубокое обучение / пер. с анг. А. А. Слинкина. – 2-е изд., испр. – М.: ДМК Пресс, 2018. – 652 с.: цв. ил.
  7. A. Krizhevsky and G. Hinton. Learning multiple layers of features from tiny images, 2009.
  8. A. Krizhevsky, I. Sutskever, and G. E. Hinton. Imagenet classification with deep convolutional neural networks. In Advances in neural information processing systems, pages 1097–1105, 2012
  9. P. Ekman and W. V. Friesen. Constants across cultures in the face and emotion. Journal of personality and social psychology, 17(2):124, 1971
  10. Viola P., Jones M. Rapid Object Detection using a Boosted Cascade of Simple Features // 2013 IEEE Conference on Computer Vision and Pattern Recognition. 2001. Vol. 01. 511 p