| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava
Prva stran > Izpis gradiva

Izpis gradiva Pomoč

Naslov:Kombiniranje modelov razvrščanja vzorcev za razpoznavanje čustvenih izrazov iz posnetkov obraza v nekontroliranem okolju : diplomsko delo
Avtorji:ID Osojnik, Juš (Avtor)
ID Potočnik, Božidar (Mentor) Več o mentorju... Novo okno
ID Šavc, Martin (Komentor)
Datoteke:.pdf UN_Osojnik_Jus_2023.pdf (4,01 MB)
MD5: 2A58C9DEB8C1F36D8FE37E33E0495ADD
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:V tem delu smo se ukvarjali z razpoznavanjem čustvenih izrazov v nekontroliranem okolju. Uporabljali smo metodo prenosnega učenja, kjer smo učili arhitekture konvolucijskih nevronskih mrež: EfficientNetB0, ResNet50, DenseNet121, InceptionV3 in Xception, na naboru podatkovnih zbirk FER-2013, AffectNet, AFEW/SFEW in Aff-Wild2. Modele smo nato kombinirali na osnovi rezultatov z metodama povprečenja in glasovanja. Modele smo kombinirali tudi na osnovi izluščenih značilnic. Uspešnost modelov smo merili po metrikah natančnosti in ocene F1. Na podatkovni zbirki FER-2013 smo dosegli najboljšo natančnost 72 %, na zbirkah AffectNet 67 %, AFEW/SFEW 47 % in Aff-Wild2 52 % natančnost. Z našimi rezultati smo se približali najuspešnejšim raziskavam, ki so na posameznih podatkovnih zbirkah dosegle natančnosti: FER-2013 77 %, AffectNet 67 %, AFEW/SFEW 54 % in Aff-Wild2 52 %.
Ključne besede:prepoznavanje čustvenih izrazov, slike obrazov, globoke nevronske mreže, modelno združevanje, ekstrakcija značilnic, okolje Keras
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[J. Osojnik]
Leto izida:2023
Št. strani:1 spletni vir (1 datoteka PDF (XV, 78 f.))
PID:20.500.12556/DKUM-85832 Novo okno
UDK:004.93(043.2)
COBISS.SI-ID:174792451 Novo okno
Datum objave v DKUM:13.10.2023
Število ogledov:512
Število prenosov:58
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
OSOJNIK, Juš, 2023, Kombiniranje modelov razvrščanja vzorcev za razpoznavanje čustvenih izrazov iz posnetkov obraza v nekontroliranem okolju : diplomsko delo [na spletu]. Diplomsko delo. Maribor : J. Osojnik. [Dostopano 3 april 2025]. Pridobljeno s: https://dk.um.si/IzpisGradiva.php?lang=slv&id=85832
Kopiraj citat
  
Skupna ocena:
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-SA 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Deljenje pod enakimi pogoji 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-sa/4.0/deed.sl
Opis:Licenca Creative Commons, ki prepoveduje komercialno uporabo in zahteva, da uporabnik predelana dela objavi z enako licenco.
Začetek licenciranja:13.09.2023

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Combining classification models for facial emotion recognition in uncontrolled environments
Opis:In this work, we focused on facial emotion recognition in an uncontrolled environment. We used the transfer learning method, where we trained the architectures of convolutional neural networks: EfficientNetB0, ResNet50, DenseNet121, InceptionV3, Xception, on the datasets FER-2013, AffectNet, AFEW/SFEW, and Aff-Wild2. We then combined the models based on the results using both averaging and voting methods. We also combined the models based on extracted features. The performance of the models was measured using accuracy and F1 score metrics. On the FER-2013 dataset, we achieved an accuracy of 72 %, on AffectNet 67 %, on AFEW/SFEW 47 %, and on Aff-Wild2 52 %. In our research we aproached the state of the art results achieved on the individual datasets, which are: FER-2013 77 %, AffectNet 67 %, AFEW/SFEW 54 % and Aff-Wild2 52 %.
Ključne besede:Facial emotion recognition, Facial images, Deep neural networks, Model, ensemble, Feature extraction, Keras applications


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici