Περίληψη: | Σκοπός αυτής της διπλωματικής εργασίας είναι να γίνει κατηγοριοποίηση των μικρο-εκφράσεων με χρήση με χρήση αλγορίθμων μηχανικής εκμάθησης που ανήκουν στην οικογένεια των Νευρωνικών Δικτύων. Πιο συγκεκριμένα, το σύνολο δεδομένων (dataset) που χρησημοποιήθηκε ήταν το SMIC - Spontaneous Micro-expression Database και τα νευρωνικά μοντέλα που υλοποιήθηκαν ήταν τα CNN (Convolutional Neural Networks), RNN (Recurrent Neural Networks) καθώς και τα LSTM (Long Short Term Memory) τα οποία ανήκουν επίσης στην κατηγορία των RNN δικτύων. Αρχικά, παρουσιάζεται το θεωρητικό υπόβαθρο με βάση το οποίο λειτουργούν και εκπαιδεύονται οι αλγόριθμοι των παραπάνω νευρωνικών δικτύων. Έπειτα, γίνεται αναφορά στις λεπτομέρεις του dataset και την διαδικασία της προ-επεξεργασίας των δεδομένων έτσι ώστε να μπορούν να χρησημοποιηθούν με τον πιο σωστό και αποτελεσματικό τρόπο κατά την εκπαίδευση των δικτύων. Έπειτα παρουσιάζεται η διαδικασία εκπαίδευσης και υλοποίησης σε προγραμματιστικό επίπεδο των δικτύων με το dataset και τέλος, γίνεται αναφορά στα συμπεράσματα από την εκπαίδευση και τις επιδόσεις των νευρωνικών μοντέλων.
|