Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων

Στην παρούσα Διπλωματική Εργασία γίνεται μια προσέγγιση στο πρόβλημα της αναγνώρισης συναισθήματος σε δεδομένα μορφής εικόνας μέσω των μικροεκφράσεων που σε αυτές απεικονίζονται, χρησιμοποιώντας Νευρωνικά Δίκτυα για την ανάλυσή τους. Το σύνολο δεδομένων που χρησιμοποιήθηκε (CASME II) περιέχει ένα αξ...

Πλήρης περιγραφή

Λεπτομέρειες βιβλιογραφικής εγγραφής
Κύριος συγγραφέας: Κονίνης, Παναγιώτης
Άλλοι συγγραφείς: Koninis, Panagiotis
Γλώσσα:Greek
Έκδοση: 2021
Θέματα:
Διαθέσιμο Online:http://hdl.handle.net/10889/15336
Περιγραφή
Περίληψη:Στην παρούσα Διπλωματική Εργασία γίνεται μια προσέγγιση στο πρόβλημα της αναγνώρισης συναισθήματος σε δεδομένα μορφής εικόνας μέσω των μικροεκφράσεων που σε αυτές απεικονίζονται, χρησιμοποιώντας Νευρωνικά Δίκτυα για την ανάλυσή τους. Το σύνολο δεδομένων που χρησιμοποιήθηκε (CASME II) περιέχει ένα αξιόλογο μέγεθος εικόνων που περιέχουν πρόσωπα ανθρώπων σε εργαστηριακό περιβάλλον με ελεγχόμενο φωτισμό. Για την καταγραφή των δεδομένων αυτών, οι εθελοντές υποβλήθηκαν σε μια τυποποιημένη διαδικασία όπου παρακολουθόντας συγκεκριμένα βίντεο, που προκαλούν συγκεκριμένα συναισθήματα, αξιολογούταν η αυθόρμητη αντίδρασή τους σε αυτά, ώστε η καταγραφή των δεδομένων να προκύπτει με φυσικό τρόπο. Τα μοντέλα που χρησιμοποιήθηκαν για τον σκοπό της Διπλωματικής Εργασίας περιλαμβάνουν μια μορφή τεχνητών Νευρωνικών Δικτύων με το όνομα Συνελικτικά Νευρωνικά Δίκτυα (αλλιώς CNNs ή Convolutional Neural Networks). Επιπλέον, χρησιμοποιήθηκε ένας συνδυασμός των παραπάνω Νευρωνικών Δικτύων με Μηχανές Διανυσματικής Στήριξης (SVM, Support Vector Machines) για τον ίδιο σκοπό. Αφού γίνεται η κατάλληλη επιλογή ως προς τις υπερπαραμέτρους των μοντέλων, παρουσιάζονται τα γενικά αποτελέσματα της Εργασίας τα οποία αξιολογούνται και αποτελούν βάση για τα συμπεράσματα που θα προκύψουν για την μελέτη του προβλήματος της αναγνώρισης συναισθήματος μέσω μικροεκφράσεων. Η υλοποίηση έγινε με χρήση της γλώσσας προγραμματισμού Python, καθώς και με την βιβλιοθήκη Μηχανικής Μάθησης/Νευρωνικών Δικτύων με το όνομα PyTorch.