La reconnaissance des émotions par Deep Learning (Étude comparative

Abstract

la reconnaissance des émotions et l'informatique affective dans de nombreux domaines de recherche au cours des dernières décennies ont suscité un grand intérêt. En particulier, les expressions faciales représentent l'un des moyens les plus efficaces pour identifier les éléments caractéristiques du comportement humain et décrire l'état émotionnel. Dans notre implémentation, nous avons utilisé une technologie de pointe de reconnaissance d'apparence profonde pour analyser FER2013 Dataset , dans le but de compiler une compréhension complète des apparences faciales. Alors, comment pouvons-nous identifier avec précision les émotions en utilisant différentes techniques de reconnaissance des émotions? Grâce à nos expériences, nous introduisons des conceptions innovantes de réseaux cérébraux à convolution profonde. Et faites une comparaison entre différentes architectures CNN telles que RES-NET, VGG, FER-MODEL, SVM-CNN et SEQUENTIEL-MODEL pour apprendre les émotions .Emotion recognition and affective computing in many research areas over the past decades have attracted great interest. In particular, facial expressions represent one of the most effective means to identify the characteristic elements of human behavior and to describe the emotional state. In our implementation, we used state-of-the-art deep appearance recognition technology to analyze FER2013 Dataset, with the goal of compiling a comprehensive understanding of facial appearances. So, how can we accurately identify emotions using different emotion recognition techniques? Through our experiments, we introduce innovative deep convolutional brain network designs. And make a comparison between different CNN architectures like RES-NET, VGG, FER-MODEL, SVM-CNN and SEQUENTIEL-MODEL to بات التعرف على المشاعر والحوسبة العاطفية في العديد من مجالات البحث على مدار العقود الماضية اهتمامًا كبيرًا. على وجه الخصوص ، تمثل تعابير الوجه واحدة من أكثر الوسائل فعالية لتحديد العناصر المميزة للسلوك البشري ووصف الحالة العاطفية. في تطبيقنا ، استخدمنا أحدث تقنيات التعرف على المظهر العميق لتحليل مجموعة بيانات FER2013 ، بهدف تجميع فهم شامل لمظاهر الوجه. إذًا، كيف يمكننا تحديد المشاعر بدقة باستخدام تقنيات التعرف على المشاعر المختلفة ؟ من خلال تجاربنا ، نقدم تصميمات مبتكرة لشبكات الدماغ التلافيفية العميقة. وإجراء مقارنة بين بنيات لشبكة CNN المختلفة مثل RES-NET , VGG , FER-MODEL , SVM-CNN و SEQUENTIEL-MODEL لمعرفة العواطف emotions.