Sự kiện sắp diễn ra:

Chào mừng Ngày sách Việt Nam 21/4Tài liệu HDSD Thư việnPhục vụ ngoài giờ từ thứ 2 đến thứ 6 và ngày thứ 7 Dịch vụ gởi sách giáo trình tận nhà cho sinh viên Danh mục tài liệu mớiGia hạn tài liệu online

Nhận diện cảm xúc khuôn mặt

Luận văn Thạc sĩ chuyên ngành Kỹ thuật Điện tử "Nghiên cứu thuật toán nhận diện cảm xúc khuôn mặt".

Tác giả: Phạm Văn Sim Bé.

Năm bảo vệ: 2019.

Khuôn mặt là trọng tâm chính trong mối quan hệ giao tiếp trong xã hội, đóng vai trò quan trọng trong việc truyền tải bản sắc và cảm xúc. Chúng ta có thể nhận ra khuôn mặt của rất nhiều người trong suốt cuộc đời, và việc nhận diện khuôn mặt quen thuộc chỉ trong nháy mắt thậm chí sau nhiều năm không gặp. Điều này khá là rõ nét, bất chấp những thay đổi lớn về thị giác, biểu hiện, lão hoá hoặc những thay đổi về kiểu tóc, về kính... Ngoài ra, ảnh khuôn mặt trong thực tế còn chứa đựng rất nhiều vấn đề như: độ sáng, độ nhoè/mờ, độ nhiễu, độ phân giải, góc ảnh...

Con người có nhiều cách để truyền đạt thông tin với nhau: ngôn ngữ, cử chỉ, lời nói... Biểu hiện cảm xúc trên khuôn mặt cũng là một cách để truyền đạt thông tin, nó có thể biểu hiện một nhận định của con người trước sự vật, hiện tượng. Cảm xúc của con người là những phản ứng rời rạc và nhất quán đối với các sự kiện bên ngoài hoặc bên trong con người đó. Chúng tạo thành một phần quan trọng trong giao tiếp phi ngôn ngữ của xã hội loài người. Tuy việc nhận dạng cảm xúc khuôn mặt dễ dàng với con người nhưng đó vẫn là thách thức lớn đối với việc nhận dạng và phân loại bởi máy tính hoặc các hệ thống điện tử. Những thành công gần đây của mạng nơ-ron tích chập (CNN) là một trong những giải pháp cho bài toán nhận dạng cảm xúc khuôn mặt cũng như những ứng dụng nhận dạng và phân loại khác.

Luận văn trình bày các nội dung:

- Đặc trưng của mặt người, yêu cầu về nhận dạng khuôn mặt, các biểu cảm cảm xúc trên mặt người.

- Mạng nơ-ron tích chập (Convolution neural network - CNN).

- Thiết kế hệ thống và mô phỏng thử nghiệm: kiến trúc hệ thống nhận diện cảm xúc khuôn mặt sử dụng mạng nơ-ron tích chập, dữ liệu sử dụng cho huấn luyện mạng, huấn luyện cho kiến trúc mạng nơ-ron tích chập, thiết kế giao diện chương trình, mô phỏng và thực nghiệm.