| Title: | Адаптация нейросетевой модели распознавания эмоций лиц на основе видеоданных конечного пользователя |
| Authors: | Чураев Е. Н. Савченко А. В. |
| Keywords: | адаптация нейронных сетей эмоции пользователей распознавание эмоций дообучение нейронных сетей нейронные сети обучение нейронных сетей обработка видеоданных |
| Issue Date: | 2022 |
| Citation: | Чураев, Е. Н. Адаптация нейросетевой модели распознавания эмоций лиц на основе видеоданных конечного пользователя / Е. Н. Чураев, А. В. Савченко // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 040312. |
| Abstract: | Исследуются способы улучшения качества распознавания эмоций по видео при наличии набора данных с эмоциями конечных пользователей. Используя идею дикторозависимого распознавания речи, предложен новый подход, в котором на первом этапе с использованием набора видео других лиц обучается универсальная нейросетевая модель классификации эмоций, а на втором этапе происходит ее адаптация (дообучение) на основе данных конкретного пользователя. Для систем, нацеленных на работу с большим количеством пользователей, в процессе принятия решения вначале выполняется идентификация лица, после чего эмоции классифицируются с помощью модели, адаптированной под распознанного пользователя. Для набора данных RAVDESS показано, что такой подход позволяет более чем на 20% повысить точность распознавания эмоций. |
| URI: | http://repo.ssau.ru/jspui/handle/123456789/12361 |
| Appears in Collections: | Информационные технологии и нанотехнологии |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-040312.pdf | 784 kB | Adobe PDF | View/Open |
Items in Repository are protected by copyright, with all rights reserved, unless otherwise indicated.