Název:
Rozpoznávání emocí pomocí konvolučních neuronových sítí
Překlad názvu:
Convolutional Neural Networks for Emotion Recognition
Autoři:
Jileček, Jan ; Najman, Pavel (oponent) ; Hradiš, Michal (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2016
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
Konvoluční neuronové sítě se dnes používají v mnoha oblastech, především ale pro strojové učení, kde vykazují velkou úspěšnost. Tato práce nejprve představí existující frameworky, další algoritmy pro rozpoznávání a pak popisuje, jak probíhalo vytváření vlastní datové sady a trénink modelu pro rozpoznávání emocí. Tento model má úspěšnost klasifikace 60%. Model je následně využit pro získání statistik o emocích z filmových trailerů a z těchto statistik je sestaven model pro rozpoznávání žánrů, který je konečně použit v naší aplikaci pro určení žánru vstupního traileru s přesností až 47%.
Convolutional neural networks are used for various tasks, but foremost in machine learning, in which they excel. This work is going to introduce some existing frameworks, other algorithms for recognition and then we describe the training dataset creation and the model for emotion recognition training process. Mentioned model has accuracy of 60%. It is used for emotion statistics retrieval from movie trailers. Model for genre recognition is created from those statistics and then finally used in our application for genre recognition of the input trailer, with best accuracy of 47%.
Klíčová slova:
Algoritmus K-nejbližších sousedů; AMFED; Brazilian FEI; Caffe framework; CK; KDEF; Konvoluční neuronové sítě; OpenCV; Rozpoznávání emocí; Rozpoznávání obličejů; Rozpoznávání žánrů; SFEW; AMFED; Brazilian FEI; Caffe framework; CK; Convolutional neural networks; Emotion recognition; Facial recognition; K-nearest neigbours; KDEF; Movie genre recognition; OpenCV.; SFEW
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/62220