Розпізнавання емоцій на людському обличчі з використанням нейронних мереж

Скорочена інформація про документ
dc.contributor.advisorКупенко, Ольга Петрівна
dc.contributor.authorБурдейний, Артем Олександрович
dc.date.accessioned2023-09-15T09:20:58Z
dc.date.available2023-09-15T09:20:58Z
dc.date.issued2023
dc.description.abstractДипломна робота: 129 с., 73 рис., 19 табл., 1 додаток, 27 джерел Об’єкт дослідження – фотографії облич людей, що виражають різні емоції. Предмет дослідження – згорткові нейронні мережі. Мета роботи складається з декількох пунктів. Дослідити вплив роздільної здатності зображень та факту наявності на них кольору на точність роботи нейронної мережі при розпізнаванні емоцій на обличчі. Дослідити вплив архітектури, складності мережі на якість прогнозів. Дослідити вплив додавання CBAM (Convolutional Block Attention Module) до мережі. Створити програмний продукт з простим графічним інтерфейсом, який класифікуватиме емоцію на фотографії обличчя, яку обере користувач, та виділятиме на цьому фото найважливіші ділянки, що вплинули на результат розпізнавання. Найкраща модель, що була навчена на підвибірці AffectNet, досягнула точності в 71.5% на тестовій вибірці. На її основі і було створено кінцевий програмний продукт мовою програмування Python.uk
dc.description.abstractotherBachelor thesis: 129 pages, 73 figures, 19 tables, 1 appendix, 27 sources The object of the research is photos of people's faces expressing different emotions. The subject of the research is convolutional neural networks. The purpose of the work consists of several points. To investigate the influence of image resolution and the fact of presence of color on the accuracy of a neural network in recognizing facial emotions. To investigate the impact of architecture and network complexity on the quality of predictions. To investigate the impact of adding CBAM (Convolutional Block Attention Module) to the network. To create a software product that features a simple graphical user interface that will classify the emotion in a face on photo selected by the user and highlight the most important areas in the photo that influenced the recognition result. The best model, trained on the AffectNet subset, achieved 71.5% accuracy on the test set. It was used as the basis for the final software product in the Python programming language.uk
dc.format.extent129 с.uk
dc.identifier.citationБурдейний, А. О. Розпізнавання емоцій на людському обличчі з використанням нейронних мереж : дипломна робота ... бакалавра : 122 Комп'ютерні науки / Бурдейний Артем Олександрович. – Київ, 2023. – 129 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60371
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectзгорткові нейронні мережіuk
dc.subjectрозпізнавання емоційuk
dc.subjectглибоке навчанняuk
dc.subjectкласифікаціяuk
dc.subjectкомп’ютерний зірuk
dc.subjectconvolutional neural networksuk
dc.subjectfacial emotion recognitionuk
dc.subjectdeep learninguk
dc.subjectclassificationuk
dc.subjectcomputer visionuk
dc.titleРозпізнавання емоцій на людському обличчі з використанням нейронних мережuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Burdeinyi_bakalavr.pdf
Розмір:
6.11 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ШІ)
Бакалаврські роботи