چکيده :

در این مقاله یک رویکرد جدید برای تشخیص احساسات چهره با استفاده ار داده های تصویری که متشکل از چهار کلاس (شاد، عصبی، طبیعی، غمگین) که با شبکه های عصبی مختلف مقایسه میشود، ارایه میشود.

ما تمامی تصویر خام از دیتاست CMU  را استخراج کرده و استفاده مینماییم. پیکسل های با ارزش بالاتر برای استفاده در شبکه بولتزمن، deep belief network و autoencoder with softmax اعمال میشود. ما مشاهده کردیم که دقت روش آخر نسبت به دوتای دیگر بسیار بالاتر است. همچنین دت این مدل با افزایش تعداد لایه های پنهان افزایش پیدا میکند، بر خلاف دو روش دیگر.

هدف از این مقاله دسته بندی حالت های مختلف چهره با استفاده ازشبکه عصبی عمیق میباشد.

در این مقاله سه روش پیشنهاد شده است:

 الف: روش بولتزمن 

ب: روش شبکه عصبی عمیق   DBN

ج: شبکه عصبی عمیق Auto Encoder

که بر اساس شبیه سازی اوتوانکدر نتیجه به مراتب بهتری نسبت به بقیه داشته است.برای آموزش شبکه عصبی از دیتاست CMU استفاده شده است.

در این دیتاست اطلاعات مربوط حالات ۲۰ نفر وجود دارد که در حالت مختلف ( شاد، عصبی، طبیعی، غمگین) با عینک و بدون عینک و در جهت های مختلف  جمع اوری شده است.

لینک دیتاست:

https://archive.ics.uci.edu/ml/datasets/CMU+Face+Images

تشخیص احساسات از روی داده‌های تصویری چهره با استفاده از شبکه‌های عصبی عمیق

Emotion Recognition from Face Dataset Using

Deep Neural Nets

 Published in: IEEE

Date of Publication: 2016

مشخصات شبيه ساز:

کارشناسي ارشد مهندسي پزشکي

دانشگاه تهران

محتويات:

• اصل مقاله
• پياده سازي با متلب
• ضميمه کردن گزارش فارسي
• ضميمه کردن دیتابیس

دانلود فايل

فايل فيلم ( اجرا و کد ) متخصص؛ نيز موجود ميباشد که در صورت نياز و با پرداخت جداگانه ايميل ميشود.

Papersim2015@gmail.com