Разработка алгоритма распознавания эмоций на изображении

Введение 5
Глава 1 Анализ технологий распознавания эмоций на изображении 7
1.1 Введение в задачу распознавания эмоций на изображении 7
1.2 Сравнение алгоритмов распознавания эмоций 13
Глава 2 Проектирование алгоритма для анализа эмоций на изображении 21
2.1 Алгоритм нейросетевого распознавания эмоций 21
2.2 Источник данных для обучения нейронной сети 28
2.3 Оптимизация структуры нейронной сети и данных для обучения . . 32
Глава 3 Программная реализация алгоритма для распознавания эмоций на изображении 36
3.1 Описание разработанного приложения 36
3.2 Особенности программной реализации и примеры работы приложения 37
Заключение 48
Список используемой литературы и используемых источников 50

Купить

Компьютерное зрение - это научное направление по созданию аппаратно-программных комплексов, способных производить обнаружение, локализацию и распознавание объектов. Технологии компьютерного зрения применяются при решении таких задач, как обеспечение безопасности на массовых мероприятия, автоматизация охранных функций на различных объектах, верификация клиентов банков по изображению, улучшение качества фотографий [1].
В настоящее время исследователи из области искусственного интеллекта изучают возможности применения технологий компьютерного зрения для распознавания эмоций человека на основе изображения его лица.
Ежегодно проводятся соревнования разработчиков алгоритмов распознавания эмоций, цель в которых - добиться максимальной точности распознавания на заданном наборе данных. Анализ результатов соревнований AFEW-VA, EmotioNet challenge, OMG-Emotion challenge, 6th Emotion Recognition in the Wild Challenge (EmotiW) и EmoReact, AffectNet позволил выявить следующие особенности реализации алгоритмов. При реализации алгоритмов используется связка двух методов:
- метод поиска ключевых точек лица на изображении,
- метод классификации, определяющий класс эмоции на основе взаимного расположения ключевых точек лица.
Конечная точность работы алгоритма распознавания эмоций зависит от подбора удачного сочетания этих двух методов [5].
В данной работе предлагается отказаться от использования связки «метод поиска ключевых точек лица + метод классификации» и вместо этого использовать сверточную нейронную сеть. Сверточные нейронные сети предназначены для работы с изображениями и умеют самостоятельно определять необходимые признаки изображений для их классификации. Предполагается, что сверточная нейронная сеть с малым количеством слоев сможет показать результаты по точности сопоставимые со связкой «метод поиска ключевых точек лица + метод классификации».
Таким образом, цель работы - подбор архитектуры и тестирование нейронной сети, обеспечивающей распознавание эмоций на изображении при наименьшем количестве слоев и без поиска ключевых точек лица.
Для достижения цели решаются следующие задачи:
- проанализировать предметную область и существующих подходов по распознаванию эмоций на изображениях;
- разработать нейросетевой алгоритм распознавания эмоций на изображении и выбрать структуру нейронной сети;
- разработать программное обеспечение и протестировать
эффективность алгоритма.
Практическая значимость бакалаврской работы заключается в разработке программного обеспечения для нейросетевого распознавания эмоций.
Данная работа состоит из введения, трех глав, заключения, списка используемой литературы и приложений.
В первой главе рассматривается сущность задачи распознавания эмоций, а также анализируются существующие подходы для решения данной задачи.
Во второй главе осуществляет разработка алгоритма для распознавания эмоций на изображении, описывается обучающая выборка и результаты тестирования алгоритма.
В третьем разделе рассматриваются особенности программной реализации предложенного алгоритма распознавания эмоций на изображении.
В заключении представляются выводы по проделанной работе.
Бакалаврская работа состоит из 51 страницы текста, 33 рисунков, 2 таблиц, 4 формул и 20 источников.

Купить