بازشناسی حالات هیجانی چهره با استفاده از مدل یادگیری هیجانی مغز
محل انتشار: فصلنامه تازه های علوم شناختی، دوره: 20، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 172
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ICSS-20-4_005
تاریخ نمایه سازی: 17 آذر 1400
چکیده مقاله:
مقدمه: حالات چهره، یکی از مهمترین راههای ارتباطی و پاسخ دهی انسان به محیط پیرامون است. هدف این پژوهش، بهره گیری از مدل یادگیری هیجانی مغز(BEL) برای شناسایی حالات هیجانی چهره است. مدل یادگیری هیجانی مغز، الهام گرفته از سیستم لیمبیک مغز(مسئول محرک حالت هیجانی انسانی) است. این مدل برای بالابردن نرخ بازشناسی حالات هیجانی چهره انسان مورد استفاده قرار گرفته است. روش: ورودی مدل پیشنهادی دیتاست استاندارد JAFFE، شامل شش حالت هیجانی خوشحالی، ناراحتی، خشم، تعجب، ترس و تنفر است. پس از خواندن تصاویر با استفاده از دستورات نرم افزار MATLAB، تمامی تصاویر، وارد مرحله استخراج ویژگی می شود. برای استخراج اجزای ریز تصویر از روش PCA استفاده شده است. برای محاسبه نرخ بازشناسی حالات هیجانی چهره، تمامی ویژگیهای استخراج شده از مرحله پیش، وارد دسته بندی مدل BEL میشود. در روش BEL، ماتریس ارتباطات با اجزای ابرو، چشم و دهان ایجاد، وابستگی آنها در هر حالت مشخص و حالات چهره، شناسایی می شود. به دلیل نمایش کارایی مدل پیشنهادی، مدل BEL با مدل رقیب SVM مقایسه شده است. یافته ها: نتایج تحلیل دیتاست، نرخ بازشناسی حالات چهره را ۹۳/۸۰درصد نشان میدهد. نتیجه گیری: مدل BEL، نرخ بازشناسی حالات هیجانی را با دقت بالاتر از مدل SVM نشان داد.
کلیدواژه ها:
Facial Expression of Emotion ، feature extraction ، Brain Emotional Learning ، Communication matrix ، حالات هیجانی چهره ، استخراج ویژگی ، مدل یادگیری هیجانی مغز ، ماتریس ارتباطات
نویسندگان
فاطمه یاقوتی
M.Sc student, Software Computer, Fouman;Shaft Islamic Azad University
سارا معتمد
Department of Computer Faculty member, Fouman;Shaft Islamic Azad University
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :