كشف مشاعر الوجه والتعرف عليها باستخدام شبكة عصبية تلافيفية عميقة

الباحث

شيماء اياد محمد

المشرف

أسماء عبد الاله عبد الرحمن - فؤاد شاكر طاهر

الجامعة

الجامعة التكنولوجية

الكلية / القسم

قسم العلوم التطبيقية / الرياضيات التطبيقية

الشهادة

ماجستير

السنة

2022

لغة الرسالة

انكليزي

الكلمات المفتاحية

Face emotion recognition; Deep learning; Convolutional neural network; Facial expression detection

الشبكات العصبية في الذكاء الاصطناعي والخوارزميات التي اعتمدت على هذه الشبكات في عملية الكشف عن الوجوه وعواطف Aa gll ، والتي أصبحت مشكلة Goody كبيرًا بعد تحليل الصورة باستخدام الشبكات العصبية التي أدت إلى استخدام شبكة عصبية تلافيفية ( (CNN) لأنه قادر على تحسين التعرف على الوجوه والمشاعر. في هذه الرسالة يظهر دور كثيرات الحدود في عالم الرياضيات وتحويلها إلى موجات منفصلة لها خصائص الموجات المتعامدة لتكون جاهزة للعثور على عملهم في تحليل الصورة لكشف الوجه بمشاعره مع ربط هذه الموجات و أخذ دورهم كمرشح لأداء عملية الالتواء لتشكيل شبكة عصبية جديدة أكثر كفاءة من الشبكة التلافيفية العادية. تم تصميمها وبرمجتها المستمدة من متعدد الحدود Chebyshev من النوع الأول لبناء مرشح جديد تم استخدامه لرفع الضوضاء وضغط الصورة وقياس أهم معايير الجودة يعني خطأ مربع (MSE) ، إشارة الذروة لنسبة الضوضاء (PSNR) ، بت لكل بكسل (BPP) ونسبة الضغط (CR) بحيث يتم توصيل الفلتر الجديد بالشبكة العصبية التلافيفية (CNN) ليكون Chebyshev Wavelet Convolutional neural network (CHWCNN) وتحديد ملامح الوجه بعد توصيل عمل ،Alex Net حيث أثبتت التكنولوجيا الجديدة كفاءتها في تحقيق أفضل النتائج لحساب دقة الدقة وفي وقت أقل. كتشاف الوجه وستة مشاعر قراءة: gale ، سعيد ، حزين ، متفاجئ ، غاضب ، خائف مع التعلم العميق ، التحولات المويجة ، وتطوير الشبكة العصبية التلافيفية Google Nets، Alex Net باستخدام الطريقة الجديدة مع DCHWT و CHWCNN ، تم الحصول على الدقة بنسبة 95 و 91 7 على التوالي. تمت قراءة مشاعر الطلاب أثناء تلقي المحاضرة ، وثبتت نسب المشاعر ، وكانت الدقة 790 و 772 على التوالي. النظام المقترح مهم أيضًا لأنه يمكن أن يكمل عملية التعرف وكشف الوجه في il من 30

Neural networks in artificial intelligence and the algorithms that relied on these networks in the process of detecting faces and facial emotions, which became a problem and a major challenge after analyzing the image using neural networks that lead to the use of a convolutional neural network (CNN) because it is able to improve the recognition of faces and feelings. In this thesis, the role of polynomials in the world of mathematics appears and converting them into separate wavelets that have the characteristics of orthogonal wavelets to be ready to find their work in analyzing the image to reveal the face with its feelings with linking these wavelets and taking their role as a filter to perform the convolution process to form a new neural network more efficient than the network Ordinary convolutional. Built and programmed derived from Chebyshev polynomials first kind to build a new filter that was used to raise noise and compress the image and measure the most important quality standards Mean Square Error (MSE), Peak Signal for Noise Ratio (PSNR) , Bit Per Pixel (BPP) and Compression Ratio (CR) so that the new filter is connected to the convolutional neural network (CNN) to be Chebyshev Wavelet convolutional neural network (CHWCNN) and define the features of the face after connecting the work Alex Net, Where the new technology has proven its efficiency in achieving the best results for calculating the accuracy of the accuracy and in less time. Face Detection and Six Feelings Read: Normal, Happy, Sad, Surprised, Angry, and Fearful with Deep Learning, Wavelet Transformations, and Convolutional Neural Network Development Alex Net and Google Net. Using the new method with DCHWT and CHWCNN the accuracy was obtained 95% and 91%, respectively. The feelings of the students were read while receiving the lecture, and the percentages of feelings were fixed, and the accuracy was 90% and 72%, respectively. The proposed system is also significant because it can complete the process of recognition and face detection in less than 30 ML seconds.

طلب نسخة من الملف

الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.

الاسم

رقم الهاتف

البريد الإلكتروني

الغرض من الطلب (اختياري)

إرسال الطلب