HUMAN EMOTION RECOGNITION SYSTEM USING DEEP LEARNING ALGORITHMS

Autor: Kateryna Yuvchenko, Valentyn Yesilevskyi, Olena Sereda
Jazyk: angličtina
Rok vydání: 2022
Předmět:
Zdroj: Innovative Technologies and Scientific Solutions for Industries; No. 3 (21) (2022): INNOVATIVE TECHNOLOGIES AND SCIENTIFIC SOLUTIONS FOR INDUSTRIES; 60-69
Современное состояние научных исследований и технологий в промышленности; № 3 (21) (2022): СОВРЕМЕННОЕ СОСТОЯНИЕ НАУЧНЫХ ИССЛЕДОВАНИЙ И ТЕХНОЛОГИЙ В ПРОМЫШЛЕННОСТИ; 60-69
Сучасний стан наукових досліджень та технологій в промисловості; № 3 (21) (2022): СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ; 60-69
ISSN: 2522-9818
2524-2296
Popis: The subject of research in the article is the software implementation of a neural image classifier. The work examines emotions as a special type of mental processes that express a person’s experience of his attitude to the surrounding world and himself. They can be expressed in different ways: facial expressions, posture, motor reactions, voice. However, the human face has the greatest expressiveness. Technologies for recognizing companies to improve customer service use human emotions make decisions about interviewing candidates and optimize the emotional impact of advertising. Therefore, the purpose of the work is to find and optimize the most satisfactory in terms of accuracy algorithm for classifying human emotions based on facial images. The following tasks are solved: review and analysis of the current state of the problem of "recognition of emotions"; consideration of classification methods; choosing the best method for the given task; development of a software implementation for the classification of emotions; conducting an analysis of the work of the classifier, formulating conclusions about the work performed, based on the received data. An image classification method based on a densely connected convolutional neural network is also used. Results: the results of this work showed that the method of image classification, based on a densely connected convolutional neural network, is well suited for solving the problems of emotion recognition, because it has a fairly high accuracy. The quality of the classifier was evaluated according to the following metrics: accuracy; confusion matrix; precision, recall, f1-score; ROC curve and AUC values. The accuracy value is relatively high – 63%, provided that the data set has unbalanced classes. AUC is also high at 89%. Conclusions. It can be concluded that the obtained model with weights has high indicators of recognition of human emotions, and can be successfully used for its purpose in the future.
Предметом исследования является программная реализация нейронного классификатора изображений. В работе рассмотрены эмоции, как особый вид психических процессов, раскрывающих переживание человеком его отношения к окружающему миру и самому себе. Эмоции могут быть выражены разными способами: мимикой, позой, двигательными реакциями, голосом. Однако наибольшую выразительность имеет лицо человека. Технологии для распознавания человеческих эмоций используются фирмами для улучшения обслуживания клиентов, принятия решений о собеседовании с кандидатами и для оптимизации эмоционального воздействия рекламы. Поэтому целью работы является нахождение и оптимизация наиболее удовлетворительного, с точки зрения точности, алгоритма классификации эмоций человека с изображением лица. В статье решаются следующие задачи: обзор и анализ современного состояния задачи распознавания эмоций; рассмотрение методов классификации; выбор наилучшего способа для поставленной задачи; разработка программной реализации для классификации эмоций; проведение анализа работы классификатора, формулирование выводов о проделанной работе на основе полученных данных. В статье также используется метод классификации изображений, основанный на плотно связанной сверточной нейронной сети. Результаты показали, что для решения задач распознавания эмоций хорошо подходит метод классификации изображений, основанный на плотно связанной сверточной нейронной сети, поскольку он имеет достаточно высокую точность. Произведена оценка качества классификатора по следующим метрикам: accuracy; confusion matrix; precision, recall, f1-score; ROC-кривая и AUC. Значение accuracy относительно высокое – 63%, при условии, что набор данных имеет несбалансированные классы. AUC также имеет высокое значение – 89%. Выводы. Полученная модель имеет высокие показатели распознавания эмоций человека и в дальнейшем может успешно использоваться по назначению.
Предметом дослідження є програмна реалізація нейронного класифікатора зображень. У статті розглянуто емоції як особливий вид психічних процесів, що виражають переживання людини, її ставлення до навколишнього світу та до себе. Емоційна сфера може виражатися різними способами: мімікою, позою, руховими реакціями, голосом. Проте найбільшу виразність має обличчя людини. Технології для розпізнавання людських емоцій використовуються для поліпшення обслуговування клієнтів, прийняття рішення про співбесіду з кандидатами, для збільшення емоційного впливу реклами тощо. Тому метою роботи є знаходження та оптимізація найбільш задовільного, з погляду точності, алгоритму класифікації емоцій людини за зображенням обличчя. У статті вирішуються такі завдання: огляд і аналіз сучасного стану "розпізнавання емоцій"; розгляд методів класифікації; вибір найкращого методу для поставленого завдання; розроблення програмної реалізації для класифікації емоцій; проведення аналізу роботи класифікатора, формулювання висновків про проведену роботу на основі отриманих даних. У статті також використовується метод класифікації зображень, оснований на щільно зв’язаній згортковій нейронній мережі. Отримані результати довели, що для вирішення завдань розпізнавання емоцій добре підходить метод класифікації зображень, оснований на щільно зв’язаній згортковій нейронній мережі, бо зазначений метод має досить високу точність. Оцінена якість класифікатора за такими метриками: accuracy; confusion matrix; precision, recall, f1-score; ROC-крива та значення AUC. Значення accuracy відносно високе – 63%, за умови, що набір даних має незбалансовані класи. AUC також має високе значення – 89%. Висновки. Отримана модель має високі показники розпізнавання емоцій людини та надалі може успішно використовуватися за призначенням.
Databáze: OpenAIRE
Externí odkaz: