تشخیص احساسات چهره با بهره گیری از یادگیری انتقالی بر پایه معماری InceptionV3

Abstract

تشخیص احساسات از طریق تصاویر چهره یکی از موضوعات پرطرفدار و مهم در زمینه بینایی کامپیوتری و هوش مصنوعی است که توسعه آن باعث ارتقا بسیاری از کاربردهای عملی و تجاری شده است و همچنین توانایی تحلیل و تشخیص احساسات انسان از طریق چهره را فراهم میکند. این فناوری، با امکان تجزیه و تحلیل خودکار احساسات انسان براساس ویژگیهای چهره، نه تنها در زمینههای پزشکی و روانشناسی و سلامت روان بلکه در بسیاری از وظایف مانند شناسایی رضایت مشتری، آموزش الکترونیکی، نظارت بر امنیت و برنامههای کاربردی کارت هوشمند و غیره نیز کاربردهای گستردهای دارد. در این پژوهش، بهبود عملکرد تشخیص احساسات چهره با استفاده از یادگیری انتقالی و معماری شبکه InceptionV3 مورد بررسی قرار گرفته است. این روش، از پایگاه دادههای RAF-DB ، KDEF استفاده شده است که حاوی هفت حالت احساسی شامل شادی، غم، خشم، ترس، تعجب، انزجار و حالت طبیعی میباشند، ارزیابی و اعتبارسنجی 59 درصد برای پایگاه دادههای / 33 و 22 / شده است. نتایج حاصل از این تحقیق نشان میدهند که این روش با دقتهای به ترتیب 95 مذکور، بهبود موثری در عملکرد تشخیص احساسات چهره ارائه میدهد. مقایسه این روش با تحقیقات اخیر در این حوزه اثربخشی روش پیشنهادی در تشخیص احساسات چهره را تایید میکند.