Отрывок: Дескриптор видео вычислялся с помощью функции покомпонентного максимума, вычисленной по векторам признаков всех видеокадров [16]. Рис. 2. Пример разбиения набора RAVDESS на тренировочное и тестовое множества На первом шаге универсальная модель обучалась на всех актёрах из набора RAVDESS, кроме актёров 1, 2, 3, 4 и 5. После дообучения этой модели были по- лучены пять новых моделей, адаптированных...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Чураев, Е.Н. | - |
dc.contributor.author | Савченко, А.В. | - |
dc.date.accessioned | 2024-03-19 10:45:11 | - |
dc.date.available | 2024-03-19 10:45:11 | - |
dc.date.issued | 2023-09 | - |
dc.identifier | Dspace\SGAU\20240315\109030 | ru |
dc.identifier.citation | Чураев, Е.Н. Распознавание выражений лиц на основе адаптации классификатора видеоданных пользователя / Е.Н. Чураев, А.В. Савченко // Компьютерная оптика. – 2023. – Т. 47, № 5. – С. 806-815. – DOI: 10.18287/2412-6179-CO-1269. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-CO-1269 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Raspoznavanie-vyrazhenii-lic-na-osnove-adaptacii-klassifikatora-videodannyh-polzovatelya-109030 | - |
dc.description.abstract | В настоящей работе предложен метод распознавания выражений лиц по видео, позволяющий значительно увеличить точность при помощи адаптации модели к эмоциям конкретного пользователя, например, владельца мобильного устройства. На первом этапе нейросетевая модель, предварительно обученная распознавать выражения лиц на статических фото, применяется для извлечения визуальных признаков лиц на каждом видеокадре. Далее они агрегируются в единый дескриптор для короткого фрагмента видео, после чего обучается нейросетевой классификатор. На втором этапе предлагается выполнить адаптацию этого классификатора с использованием небольшого набора видеоданных с выражениями лиц конкретного пользователя. После принятия решения пользователь может корректировать предсказанные эмоции для дальнейшего повышения точности персональной модели. В рамках экспериментального исследования для набора данных RAVDESS показано, что подход с адаптацией модели под конкретного пользователя позволяет значительно (на 20 – 50 %) повысить точность распознавания выражений лиц по видео. | ru |
dc.description.sponsorship | Работа выполнена при поддержке Российского научного фонда (проект № 20-71-10010). | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский национальный исследовательский университет | ru |
dc.relation.ispartofseries | 47;5 | - |
dc.subject | распознавание выражений лиц | ru |
dc.subject | адаптация нейросетевого классификатора | ru |
dc.subject | распознавание лиц | ru |
dc.title | Распознавание выражений лиц на основе адаптации классификатора видеоданных пользователя | ru |
dc.title.alternative | Facial expression recognition based on adaptation of the classifier to videos of the user | ru |
dc.type | Article | ru |
dc.textpart | Дескриптор видео вычислялся с помощью функции покомпонентного максимума, вычисленной по векторам признаков всех видеокадров [16]. Рис. 2. Пример разбиения набора RAVDESS на тренировочное и тестовое множества На первом шаге универсальная модель обучалась на всех актёрах из набора RAVDESS, кроме актёров 1, 2, 3, 4 и 5. После дообучения этой модели были по- лучены пять новых моделей, адаптированных... | - |
dc.classindex.scsti | 28.23.15 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
2412-6179_2023_47_5_806-815.pdf | 1.24 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.