Razpoznavanje čustvenih izrazov osebe iz slikovnega materiala z algoritmom diferencialne evolucije za izbiro značilnic

Mlakar, Uroš

| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Prva stran > Izpis gradiva

Izpis gradiva

Naslov:	Razpoznavanje čustvenih izrazov osebe iz slikovnega materiala z algoritmom diferencialne evolucije za izbiro značilnic
Avtorji:	ID Mlakar, Uroš (Avtor) ID Brest, Janez (Mentor) Več o mentorju...
Datoteke:	DOK_Mlakar_Uros_2019.pdf (1,78 MB) MD5: 7D6852C2D68B33D920EEA6F86A56DC0C PID: 20.500.12556/dkum/5ce4c04b-7c91-479d-a236-2591d4581622
Jezik:	Slovenski jezik
Vrsta gradiva:	Doktorsko delo/naloga
Tipologija:	2.08 - Doktorska disertacija
Organizacija:	FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:	V disertaciji se ukvarjamo z razvojem učinkovitega programskega sistema za izbiro značilnic, na primeru aplikacije prepoznavanja čustvenih izrazov. Predlagan sistem, ki prepoznava sedem prototipnih čustvenih izrazov, vključno z nevtralnim izrazom, temelji na histogramih usmerjenih gradientov (HOG) in vektorjih razlik. Izbiro obraznih značilnic smo izvedli z uporabo ustrezno prilagojenega algoritma diferencialne evolucije za večkriterijsko optimizacijo, ki je hkrati minimiziral velikost izbrane podmnožice značilnic in maksimiziral natančnost razpoznavanja čustvenih izrazov. Razvili smo dve strategiji izbire značilnic, poimenovani "specifična” in ”splošna”. Statistični Friedmanov test je pokazal, da je ”splošna” strategija izbire značilnic primernejša. Implementiran sistem za razpoznavo čustvenih izrazov smo preizkusilina treh pogosto uporabljenih javnih podatkovnih bazah. Na podatkovni bazi Cohn-Kanade smo dosegli 98,37 % povprečno uspešnost prepoznavanja čustvenih izrazov, na podatkovni bazi JAFFE 92,75 % uspešnost in na najzahtevnejši podatkovni bazi MMI s spontanimi čustvenimi izrazi 84,07 % uspešnost. Število uporabljenih značilnic smo uspeli zmanjšati za 89 % originalne velikosti vektorja značilnic. Predlagan algoritem po uspešnosti sodi v sam vrh algoritmov za prepoznavanje čustvenih izrazov oseb, hkrati pa signifikantno zmanjša število uporabljenih značilnic, kar posledično pomeni nižjo računsko zahtevnost učenja klasifikatorjev. S to disertacijo smo demonstrirali učinkovito uporabo algoritma diferencialne evolucije za večkriterijsko optimizacijo na problemu prepoznavanja čustvenih izrazov.
Ključne besede:	razpoznavanje čustvenih izrazov, izbira značilnic, diferencialna evolucija, razlike vektorjev značilnic, večkriterijska optimizacija
Kraj izida:	Maribor
Založnik:	[U. Mlakar]
Leto izida:	2019
PID:	20.500.12556/DKUM-72669
UDK:	004.932(043.3)
COBISS.SI-ID:	22195478
NUK URN:	URN:SI:UM:DK:SDOIWYHZ
Datum objave v DKUM:	11.03.2019
Število ogledov:	1919
Število prenosov:	238
Metapodatki:
Področja:	KTFMB - FERI
:	Kopiraj citat

Skupna ocena:	(0 glasov)
Vaša ocena:	Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:

Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:	CC BY-SA 4.0, Creative Commons Priznanje avtorstva-Deljenje pod enakimi pogoji 4.0 Mednarodna

Povezava:	http://creativecommons.org/licenses/by-sa/4.0/deed.sl
Opis:	Ta licenca Creative Commons je zelo podobna običajni licenci Priznanje avtorstva, vendar zahteva, da so materialne avtorske pravice na izpeljanih delih upravljane z enako licenco.
Začetek licenciranja:	11.10.2018

Sekundarni jezik

Jezik:	Angleški jezik
Naslov:	Facial expression recognition of persons from images using a differential evolution algorithm for feature selection
Opis:	This dissertation proposes an efficient feature selection system, applied to a Facial Expression Recognition system. The proposed system, which recognizes seven prototypical facial expressions, including the neutral expression, is based on the histograms of oriented gradients descriptor and vectors of differences. The selection of facial features was performed using an appropriately adapted differential algorithm for multi-objective optimization, which simultaneously minimized the size of the selected subset of features and maximized the accuracy of the facial expressions recognition. Two feature selection strategies were developed, named "specific" and "more-discriminative". The statistical Friedman test showed that the "more-discriminative" feature selection strategy is more appropriate. The implemented system for recognizing facial expressions was tested on three commonly used public databases. On the Cohn-Kanade database, an average accuracy of 98,37% was achieved, on the JAFFE database a 92,75% accuracy and on the most demanding MMI database, which is comprised of spontaneous emotional expressions, a 84,07% average accuracy was recorded. The number of features used was reduced by 89% of the original size of the feature vector. Based on the obtained results, the proposed algorithm falls into the very top of the algorithms for recognizing the facial expressions of persons, while significantly reducing the number of features used, which in turn implies a lower computational complexity of training the classifier. With this dissertation, we have demonstrated the effective use of the differential evolution algorithm for multi-objective optimization on the problem of recognizing facial expressions.
Ključne besede:	facial expression recognition, feature selection, differential evolution, feature vector differences, multi-objective optimization

Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)

0 - 0 / 0

Ni komentarjev!

Nazaj