| | SLO | ENG | Cookies and privacy

Bigger font | Smaller font

Search the digital library catalog Help

Query: search in
search in
search in
search in
* old and bologna study programme

Options:
  Reset


1 - 2 / 2
First pagePrevious page1Next pageLast page
1.
Razpoznavanje čustvenih izrazov s pomočjo globokih nevronskih mrež : diplomsko delo
Gregor Štefanič, 2019, undergraduate thesis

Abstract: V diplomskem delu smo se ukvarjali z razpoznavanjem čustvenih izrazov z digitalnih slik obrazov. Razpoznavali smo med sedmimi čustvenimi izrazi, vključno z nevtralnim. Pregledali smo obstoječa dela na področju razpoznavanja čustvenih izrazov, preučili globoke nevronske mreže in pripravili arhitekturo, ki je primerna za razpoznavanje čustvenih izrazov s slik. Uporabili smo arhitekturo z residualno nevronsko mrežo. Našo rešitev smo razvili s pomočjo ogrodja TensorFlow in programskega vmesnika Keras. Implementirali in preizkusili smo jo na mešanih slikah iz podatkovnih baz JAFFE, CK in MMI. Natančnost razpoznavanja čustvenih izrazov na 1017 testnih slikah z našo nevronsko mrežo je bila v povprečju 99,3-odstotna, kar je primerljivo oziroma boljše od sorodnih del.
Keywords: razpoznavanje čustvenih izrazov, globoka nevronska mreža, računalniški vid, residualna nevronska mreža
Published in DKUM: 23.11.2019; Views: 1212; Downloads: 184
.pdf Full text (1,37 MB)

2.
Razpoznavanje čustvenih izrazov osebe iz slikovnega materiala z algoritmom diferencialne evolucije za izbiro značilnic
Uroš Mlakar, 2019, doctoral dissertation

Abstract: V disertaciji se ukvarjamo z razvojem učinkovitega programskega sistema za izbiro značilnic, na primeru aplikacije prepoznavanja čustvenih izrazov. Predlagan sistem, ki prepoznava sedem prototipnih čustvenih izrazov, vključno z nevtralnim izrazom, temelji na histogramih usmerjenih gradientov (HOG) in vektorjih razlik. Izbiro obraznih značilnic smo izvedli z uporabo ustrezno prilagojenega algoritma diferencialne evolucije za večkriterijsko optimizacijo, ki je hkrati minimiziral velikost izbrane podmnožice značilnic in maksimiziral natančnost razpoznavanja čustvenih izrazov. Razvili smo dve strategiji izbire značilnic, poimenovani "specifična” in ”splošna”. Statistični Friedmanov test je pokazal, da je ”splošna” strategija izbire značilnic primernejša. Implementiran sistem za razpoznavo čustvenih izrazov smo preizkusilina treh pogosto uporabljenih javnih podatkovnih bazah. Na podatkovni bazi Cohn-Kanade smo dosegli 98,37 % povprečno uspešnost prepoznavanja čustvenih izrazov, na podatkovni bazi JAFFE 92,75 % uspešnost in na najzahtevnejši podatkovni bazi MMI s spontanimi čustvenimi izrazi 84,07 % uspešnost. Število uporabljenih značilnic smo uspeli zmanjšati za 89 % originalne velikosti vektorja značilnic. Predlagan algoritem po uspešnosti sodi v sam vrh algoritmov za prepoznavanje čustvenih izrazov oseb, hkrati pa signifikantno zmanjša število uporabljenih značilnic, kar posledično pomeni nižjo računsko zahtevnost učenja klasifikatorjev. S to disertacijo smo demonstrirali učinkovito uporabo algoritma diferencialne evolucije za večkriterijsko optimizacijo na problemu prepoznavanja čustvenih izrazov.
Keywords: razpoznavanje čustvenih izrazov, izbira značilnic, diferencialna evolucija, razlike vektorjev značilnic, večkriterijska optimizacija
Published in DKUM: 11.03.2019; Views: 1799; Downloads: 219
.pdf Full text (1,78 MB)

Search done in 0.06 sec.
Back to top
Logos of partners University of Maribor University of Ljubljana University of Primorska University of Nova Gorica