tailieunhanh - Sử dụng phương pháp Support Vector Machine và convolutional neural network để phân loại cảm xúc của khuôn mặt

Bài viết đề xuất sử dụng phương pháp Support Vector Machine – SVM kết hợp với mạng thần kinh chuyển đổi để phân loại cảm xúc trên khuôn mặt trên bộ dữ liệu FER và xây dựng 3 mô hình chiến lược để tiến hành các thí nghiệm. Việc xác định cảm xúc chính xác của khuôn mặt luôn khó khăn. | TNU Journal of Science and Technology 226 16 225 - 230 CLASSIFYING FACE SENSITIVES USING SUPPORT VECTOR MACHINE AND CONVOLUTIONAL NEURAL NETWORK Le Thu Trang Nguyen Thu Huong TNU - University of Information and Communication Technology ARTICLE INFO ABSTRACT Received 29 4 2021 Distinguishing emotions through facial recognition is one of the problems that many researchers are interested in. For the purpose of Revised 23 11 2021 assisting the user in recognizing facial emotions to use research in Published 24 11 2021 fields such as clinical or behavioral science. The challenge with this problem is that human facial expressions have similarities and KEYWORDS overlaps in different emotional expressions. In this paper the authors propose to use the SVM method combined with the transitional neural Facial expression network to classify facial emotions on the FER dataset and build 3 Object classification strategic models to conduct experiments. Determining the exact Machine learning emotion of the face is always difficult. The experimental results have shown that the CNN model is accurate when compared to the HOG- SVM Support Vector Machine SVM model. The CNN model takes the real image as input and the CNN Convolutional Neural CNN model imports the combined image that has approximately the Network same results and is more stable. SỬ DỤNG PHƯƠNG PHÁP SUPPORT VECTOR MACHINE VÀ CONVOLUTIONAL NEURAL NETWORK ĐỂ PHÂN LOẠI CẢM XÚC CỦA KHUÔN MẶT Lê Thu Trang Nguyễn Thu Hương Trường Đại học Công nghệ thông tin và Truyền thông ĐH Thái Nguyên THÔNG TIN BÀI BÁO TÓM TẮT Ngày nhận bài 29 4 2021 Phân loại cảm xúc khuôn mặt thông qua việc nhận diện nét mặt hiện là một trong những bài toán được nhiều nhà nghiên cứu quan tâm. Ngày hoàn thiện 23 11 2021 Với mục đích hỗ trợ được người dùng trong việc nhận diện được cảm Ngày đăng 24 11 2021 xúc khuôn mặt để sử dụng nghiên cứu trong các lĩnh vực như khoa học lâm sàng hay khoa học hành vi. Thách thức với bài toán này là TỪ KHÓA nét mặt của con .

• Kỹ thuật lập trình
• Biểu cảm khuôn mặt
• Phân lớp đối tượng
• Support Vector Machine
• Mạng nơ ron tích chập
• Bộ dữ liệu FER
• Luận án Tiến sĩ
• Luận án Tiến sĩ Kỹ thuật
• Hệ thống biểu cảm khuôn mặt
• Hệ thống thông tin
• Biểu cảm trên khuôn mặt 3D
• Nhận dạng biểu cảm khuôn mặt
• Kiến trúc resnet
• Nhận dạng hình ảnh
• Xử lý hình ảnh
• Tạp chí Khoa học
• Mô hình xuất hiện hoạt động
• Nhận dạng cảm xúc
• Nhận dạng biểu cảm của khuôn mặt
• Phân tích khuôn mặt
• Luận văn Thạc sĩ
• Luận văn Thạc sĩ Khoa học máy tính
• Đặc trưng biểu cảm khuôn mặt
• Kỹ thuật ghi nhận biểu cảm mặt người
• Phương pháp nhận dạng khuôn mặt
• Mạng nơron tích chập đa nhiệm
• Nhận dạng khuôn mặt
• Hệ thống quản lý học tập trực tuyến
• Mô hình CNN đa nhiệm
• Phân loại cảm xúc
• Ước lượng mức độ cảm xúc
• Giao tiếp người máy
• Nguồn dữ liệu ảnh
• Biểu đồ luồng nhận dạng biểu cảm
• Kỹ thuật nhận dạng biểu cảm
• Mô hình chất liệu
• Kỹ thuật phát hiện khuôn mặt
• Human computer Interaction
• Công nghệ thông tin
• Mô hình nhân vật ảo biểu cảm
• Khuôn mặt ba chiều nói Tiếng Việt
• Kỹ thuật thể hiện cảm xúc
• Khoa học Công nghệ thông và Truyền thông
• Phát hiện khuôn mặt
• Ước lượng biểu cảm
• Cử chỉ khuôn mặt
• Phân lớp nhị phân
• Giao tiếp phi ngôn ngữ
• kỹ năng mềm
• kỹ năng sống
• tâm lý giao tiếp
• kỹ năng giao tiếp
• tâm lý ứng xử
• Nghệ thuật biểu cảm qua khuôn mặt
• luận văn
• thuật toán nhận dạng
• ảnh 2D
• Công nhận biểu hiện trên khuôn mặt
• phân tích thành phần chính
• Neural Network
• Cây quyết định
• Mô hình nhân vật ảo
• Khuôn mặt ba chiều nói
• Nhân vật ảo
• Đồ họa máy tính
• Công nghệ tiếng nói và ngôn ngữ