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...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2021
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/15336 |
id |
nemertes-10889-15336 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-153362022-09-06T05:13:34Z Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων Microexpression emotion recognition using deep architecture neural networks Κονίνης, Παναγιώτης Koninis, Panagiotis Νευρωνικά δίκτυα Μικροεκφράσεις Αναγνώριση συναισθήματος Neural networks Emotion recognition 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. In this thesis, an approach is being made to the problem of emotion recognition from image data, based on the micro-expressions which are depicted on them, using Neural Networks in order to them being successfully analyzed. The dataset being used (CASME II) is comprised of a significant number of images that contain human faces in laboratory conditions and controlled lighting. In order to record said data, those volunteers were subjected to a standard procedure requiring them to watch videos that incipit specific emotions, with their spontaneous reaction being evaluated, thus making their emotion recording natural. The models being used for the purposes of this thesis include a type of artificial Neural Networks known as Convolutional Neural Networks (CNNs). Moreover, a combination of CNNs and Suport Vector Machine (SVM) is used for the same purpose. First, the appropriate hyperparameters of the model are selected, and consequently the general results of this work are presented, and those results are evaluated, serving as the basis from where we can draw conclusions regarding the general problem which is recognizing facial emotion recognition from micro-expressions. These were implemented using the Python programming language and also the Machine Learning/Neural Network library called PyTorch. 2021-10-15T05:52:52Z 2021-10-15T05:52:52Z 2020-10-08 http://hdl.handle.net/10889/15336 gr application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Νευρωνικά δίκτυα Μικροεκφράσεις Αναγνώριση συναισθήματος Neural networks Emotion recognition |
spellingShingle |
Νευρωνικά δίκτυα Μικροεκφράσεις Αναγνώριση συναισθήματος Neural networks Emotion recognition Κονίνης, Παναγιώτης Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων |
description |
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. |
author2 |
Koninis, Panagiotis |
author_facet |
Koninis, Panagiotis Κονίνης, Παναγιώτης |
author |
Κονίνης, Παναγιώτης |
author_sort |
Κονίνης, Παναγιώτης |
title |
Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων |
title_short |
Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων |
title_full |
Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων |
title_fullStr |
Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων |
title_full_unstemmed |
Αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων |
title_sort |
αναγνώριση συναισθημάτων από μικροεκφράσεις με χρήση βαθέων αρχιτεκτονικών νευρωνικών δικτύων |
publishDate |
2021 |
url |
http://hdl.handle.net/10889/15336 |
work_keys_str_mv |
AT koninēspanagiōtēs anagnōrisēsynaisthēmatōnapomikroekphraseismechrēsēbatheōnarchitektonikōnneurōnikōndiktyōn AT koninēspanagiōtēs microexpressionemotionrecognitionusingdeeparchitectureneuralnetworks |
_version_ |
1799945015444635648 |