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

Дослідження методів розпізнавання емоцій за допомогою нейронних мереж

Ескіз

Файли

8981.pdf (110,99 KB)

Дата

2020

Автори


Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

The urgency of the problem of recognition of emotions is proved, the review of the basic methods of recognition of emotions, the main advantages and disadvantages of each method, the comparison and selection of the neural network for the solution of this problem.

Опис

Ключові слова

emotion recognition , emotion , human face , neural network , deep neural network , convolutional neural network

УДК

681.12

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали XLIX науково-технічної конференції підрозділів ВНТУ, Вінниця, 27-28 квітня 2020 р.

ISSN

Бібліографічний опис

Зінов'єв Є. Дослідження методів розпізнавання емоцій за допомогою нейронних мереж [Електронний ресурс] / Є. Зінов'єв, І. Арсенюк // Матеріали XLIX науково-технічної конференції підрозділів ВНТУ, Вінниця, 27-28 квітня 2020 р. – Електрон. текст. дані. – 2020. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2020/paper/view/8981.

URI

http://ir.lib.vntu.edu.ua/handle/123456789/29505

Зібрання

НТКП ВНТУ. Факультет інформаційних технологій та комп'ютерної інженерії (2020)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (7)

  1. Krizhevsky and G. Hinton. Learning multiple layers of features from tiny images, 2009. 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.
  2. D. Ciresan, U. Meier, and J. Schmidhuber. Multi-column deep neural networks for image classification. In Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on, pages 3642–3649. IEEE, 2012
  3. 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.
  4. 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.
  5. 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.
  6. A. Gudi. Recognizing semantic features in faces using deep learning. arXiv preprint arXiv:1512.00743, 2015.
  7. J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li, and L. Fei-Fei. Imagenet: A large-scale hierarchical image database. In Computer Vision and Pattern Recognition, 2009. CVPR 2009. IEEE Conference on, pages 248–255. IEEE, 2009.