350 руб
Журнал «Успехи современной радиоэлектроники» №11 за 2018 г.
Статья в номере:
Разработка и анализ нейросетевого алгоритма распознавания эмоций по изображению лица
Тип статьи: научная статья
УДК: 621.391
Авторы:

О.А. Степанова – аспирантка, кафедра инфокоммуникаций и радиофизики, 

Ярославский государственный университет им. П.Г. Демидова E-mail: olga1stepanova@yandex.ru

Л.И. Ивановский – аспирант, кафедра компьютерных сетей,  Ярославский государственный университет им. П.Г. Демидова

E-mail: leon.ivanovsky@yahoo.com

В.В. Хрящев – к.т.н., доцент, кафедра инфокоммуникаций и радиофизики, 

Ярославский государственный университет им. П.Г. Демидова E-mail: vhr@yandex.ru

А.Л. Приоров – д.т.н., доцент, кафедры инфокоммуникаций и радиофизики, 

Ярославский государственный университет им. П.Г. Демидова E-mail: andcat@yandex.ru

Аннотация:

Разработан и исследован алгоритм распознавания эмоций на лице человека, в основе которого лежит реализация сверточной нейронной сети, способной относить изображения лиц к одному из шести классов эмоций: спокойствие, улыбка, удивление, заинтересованность, отвращение, крик. Показано, что обучение и тестирование нейросетевого алгоритма осуществлялось на суперкомпьютере NVIDIA DGX-1 с использованием изображений из тестовой базы Multi-PIE. Получены матрица неточностей, зависимости изменения доли правильных ответов и функции потерь от числа итераций при обучении нейронной сети, значения метрик оценки качества итогового алгоритма. Показано, что практическое использование алгоритма возможно в системах анализа аудитории по изображению лица, работающих в режиме реального времени.

Страницы: 38-44
Список источников
  1. Ekman P., Friesen W.V. Manual for the Facial Action Coding System. Consulting Psychologists Press. 1977.
  2. Berns K., Hirth J. Control of Facial expressions of the humanoid robot head roman // In: IEEE International Conference on Intelligent Robots and Systems. 2006. P. 3119–3124.
  3. Bartlett M.S., Littlewort G., Fasel I., Movellan J.R. Real time face detection and facial expression recognition: development and applications to human computer interaction // In: IEEE Conference on Computer Vision and Pattern Recognition, 2003. Р. 53–59.
  4. Николенко С.И., Кадурин А.А., Архангельская Е.О. Глубокое обучение. СПб: Питер. 2018. 480 с. 
  5. Гудфеллоу Я., Бенджио И., Курвилль А. Глубокое обучение. ДМК-Пресс. 2017. 652 с.
  6. Ivanovsky L., Khryashchev V., Lebedev A., Kosterin I. Facial Expression Recognition Algorithm Based on Deep Convolution Neural Network // Proceedings of the 21th Conference of Open Innovations Association FRUCT'21. Helsinki, Finland. 2017. Р. 141–147.
  7. Ucar A. Deep Convolutional Neural Networks for facial expression recognition // INnovations in Intelligent SysTems and Applications (INISTA). IEEE International Conference on. 2017. Р. 371–375.
  8. Singh H., Patel R. Facial Expression Analysis using Deep Learning // International Research Journal of Engineering and Technology. 2017. V. 4. Is. 10. Р. 66–69.
  9. The Cohn–Kanade          AU-Coded                Face         Expression               Database [Электронный        ресурс].   Режим     доступа: http://www.pitt.edu/~emotion/ck-spread.htm.
  10. The Japanese Female    Facial       Expression               (JAFFE) Database [Электронный        ресурс]. Режим     доступа: http://www.kasrl.org/jaffe.html.
  11. The Binghamton University 3D Facial Expression (BU-3DFE) Database [Электронный ресурс]. Режим доступа: http://www.cs.binghamton.edu/~lijun/Research/3DFE/3DFE_Analysis.html.
  12. The MMI Facial Expression Database [Электронный ресурс]. Режим доступа:https://mmifacedb.eu.
  13. The Multimedia Understanding Group (MUG) Facial Expression Database [Электронный ресурс]. Режим доступа: https://mug.ee.auth.gr/fed.
  14. The Radboud Faces Database [Электронный ресурс]. Режим доступа: http://www.socsci.ru.nl:8180/RaFD2/RaFD?p=main.
  15. The CMU        Multi-PIE                 Face         Database [Электронный        ресурс].   Режим     доступа: http://www.cs.cmu.edu/afs/cs/project/PIE/MultiPie/Multi-Pie/Home.html.
  16. Ивановский Л.И., Степанова О.А., Хрящев В.В., Приоров А.Л. Алгоритм распознавания эмоций по изображению лица на основе сверточной нейронной сети // Сб. тез. докл. научно-техн. конф. «Техническое зрение в системах управления-2018». М. ИКИ РАН. 2018. С. 55–56.
  17. Степанова О.А., Ивановский Л.И., Хрящев В.В. Использование глубокого обучения и сверточных нейронных сетей для анализа выражения лица // Сб. докл. 20-й междунар. конф. «Цифровая обработка сигналов и ее применение (DSPA-2018)». М. 2018. Т. 2. С. 817–821.
  18. Caffe Framework [Электронный ресурс]. Режим доступа: http://caffe.berkleyvision.org.
  19. Lebedev A., Pavlov V., Khryashchev V., Stepanova O. Face Detection Algorithm Based on a Cascade of Ensembles of Decision Trees // Proceedings of the FRUCT’18. Saint-Petersburg, Russia. 18–22 April 2016. Р. 161–166.
Дата поступления: 4 июня 2018 г.