Analýza výrazu tváře z obrazu v reálném čase
Real-time Facial Expression Recognition in the Wild
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Martin Vadlejch
Vedoucí práce
Kutílek Patrik
Oponent práce
Klouda Karel
Studijní obor
Teoretická informatikaStudijní program
Informatika 2009Instituce přidělující hodnost
katedra teoretické informatikyPráva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Strojové rozpoznávání emocí či výrazů tváře je technologie, se kterou se zatím běžně nesetkáváme přesto, že by mohla najít mnohé využití. Jedním z důvodů může být výpočetní náročnost současných konvolučních neuronových sítí, které byly pro tento problém dosavadně použité. V této práci najdeme vhodnou malou a rychlou konvoluční neuronovou síť, která je schopná rozpoznat výrazy z tváře v reálném čase, a to i na mobilních zařízeních. Pro učení sítě použijeme databázi AffectNet, v současnosti největší databázi výrazů tváře v přirozených podmínkách, a pro následnou validaci anotujeme dalších 160 snímků, na kterých vyhodnotíme úspěšnost modelu. Naše síť dosahuje téměř state-of-the-art výsledků, zároveň je zhruba desetkrát menší než ostatní použité neuronové sítě, a na Raspberry Pi 4 dokáže klasifikovat výrazy z tváře s až pěti snímky za vteřinu. Machine emotion recognition or facial expression recognition is a technology that we do not often see just yet, despite its many possible uses. One reason could be the use of computationally demanding convolutional neural networks in current state-of-the-art models. In this work, we find a suitable lightweight and fast convolutional neural network capable of facial expression recognition in real-time, even on mobile devices. The network is trained on the AffectNet database, currently the largest facial expression database in the wild setting, and to further validate our results, we collect and annotate 160 additional images, on which we evaluate the model performance. Our network achieves near state-of-the-art accuracy while being almost ten times smaller than previous approaches and can recognize and classify facial expressions with up to five frames per second on the Raspberry Pi 4.
Kolekce
- Bakalářské práce - 18101 [349]