Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://earchive.tpu.ru/handle/11683/57385
Название: Применение методов машинного обучения для решения задачи классификации эмоции на изображении по ключевым точкам
Другие названия: The using of machine learning for classification of emotions in the image by facial landmark
Авторы: Коровкин, Виталий Александрович
Ключевые слова: электронные ресурсы; facial expressions; emotional state; convolutional neural networks; emotion recognition; computer vision; facial points; эмоциональное состояние; сверточные нейронные сети; распознавание; эмоции; изображения; компьютерное зрение; ключевые точки
Дата публикации: 2019
Библиографическое описание: Коровкин В. А. Применение методов машинного обучения для решения задачи классификации эмоции на изображении по ключевым точкам / В. А. Коровкин // Информационные технологии в науке, управлении, социальной сфере и медицине : сборник научных трудов VI Международной конференции, 14-19 октября 2019 г., Томск. — Томск : Изд-во ТПУ, 2019. — [100-104].
Аннотация: In this paper, was considered the application of the three most popular methods of machine learning, which are used to classify images (support vector method, artificial neural network, and convolutional neural network). These methods were used to solve the problem of recognition and classification of emotions on image the face of a person. Emotions were recognized using facial landmarks (78), which were determined using the Active Appearance Model algorithm. For training and testing, the Extended CohnKanade Database (CK +) was used. The algorithm developed using convolution layers (mean about 91%) showed the best accuracy. It was also revealed that the use of convolution layers reduces the network error for the same number of training eras.
URI: http://earchive.tpu.ru/handle/11683/57385
Располагается в коллекциях:Материалы конференций

Файлы этого ресурса:
Файл Описание РазмерФормат 
conference_tpu-2019-C24_p100-104.pdf445,9 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.