ارائه یک روش جدید برای تشخیص احساسات از روی تصویر به کمک شبکه های یادگیری عمیق کمی سازی شده مشبکه ای برداری [پايان نامه فارسي]

زیبا توکلی

شناسگر رکورد: ۵۲۰۴۴
رشته تحصیلی: هوش مصنوعی و رباتیکز
عنوان: ارائه یک روش جدید برای تشخیص احساسات از روی تصویر به کمک شبکه های یادگیری عمیق کمی سازی شده مشبکه ای برداری
نويسنده: زیبا توکلی
استاد راهنما : دکتر احسان اخترکاوان
مقطع تحصیلی : کارشناسی ارشد
دانشگاه : خاتم
تاریخ دفاع : ۱۴۰۴
چکیده: تشخیص احساسات چهره‌ای نقش مهمی در کاربردهای مختلفی از جمله تعامل انسان و کامپیوتر، ارزیابی سلامت روان، سیستم‌های امنیتی و رایانش احساسی ایفا می‌کند. طبقه‌بندی دقیق احساسات چهره‌ای برای بهبود تجربه کاربری، ارتقای نظارت خودکار و توسعه سیستم‌های هوش مصنوعی واکنش‌پذیرتر ضروری است. تکنیک‌های یادگیری عمیق، به‌ویژه شبکه‌های عصبی پیچشی، به دلیل توانایی در استخراج ویژگی‌های سلسله‌مراتبی از تصاویر، موفقیت چشمگیری در تشخیص احساسات چهره‌ای نشان داده‌اند. در این پژوهش، مدل‌های شبکه عصبی پیچشی شامل ResNet، DenseNet، MobileNet، EfficientNet و Inception برای طبقه‌بندی احساسات از تصاویر چهره استفاده شده‌اند. علاوه بر این، مفهوم کمی‌سازی تصاویر به عنوان یک مرحله پیش‌پردازش برای بهینه‌سازی طبقه‌بندی داده‌ها مورد بررسی قرار گرفته است. روش کمی‌سازی برداری مشبکه‌ای برای فشرده‌سازی اطلاعات تصاویر در عین حفظ ویژگی‌های اساسی چهره به کار گرفته شد، با این فرض که این تبدیل می‌تواند با بهبود تعمیم‌پذیری و تنظیم مدل، دقت طبقه‌بندی را افزایش دهد. نتایج شبیه‌سازی‌ها نشان داد که آموزش مدل‌های بر شبکه عصبی پیچشی روی تصاویر کمی‌شده منجر به بهبود دقت طبقه‌بندی در مقایسه با آموزش بر روی تصاویر اصلی می‌شود. در میان معماری‌های مورد بررسی، ResNet بالاترین دقت را به دست آورد که موید تاثیر مثبت تصاویر کمی‌شده بر عملکرد مدل‌های شبکه عصبی پیچشی است. این یافته‌ها نشان می‌دهند که به‌کارگیری روش کمی‌سازی برداری مشبکه‌ای برای پردازش تصاویر چهره‌ای می‌تواند عملکرد مدل‌های تشخیص احساسات را بهبود بخشد و مسیر امیدوارکننده‌ای برای تحقیقات آینده در سیستم‌های کارآمد و دقیق تشخیص احساسات فراهم کند.
واژگان کلیدی: تشخیص احساسات چهره‌ای، شبکه عصبی پیچشی، کمی‌سازی برداری مشبکه‌ای، یادگیری عمیق
شماره ثبت نسخه جلد بخش مرجع شماره بازیابی در دست امانت تاریخ بازگشت ملاحظات
284759 1
Copyright 2025 by Payam Hannan co ltd. PayamLib.com