Báo cáo tổng kết đề tài SVNCKH 2024: “Ứng dụng deep learning nhận diện cảm xúc”
Trí tuệ nhân tạo hiện nay được áp dụng thành công trong nhiều lĩnh vực, một trong số đó là thị giác máy tính. Trong nghiên cứu này, một mạng nơron học sâu (DNN) được sử dụng cho nhận diện cảm xúc trên khuôn mặt (FER). Một trong những mục tiêu của nghiên cứu này là xác định các đặc điểm quan trọng trên khuôn mặt mà MTCNN tập trung vào để nhận diện cảm xúc. Cụ thể, nhóm nghiên cứu đã sử dụng mạng nơ-ron xếp tầng đa nhiệm (MTCNN), cùng với mô hình nhận diện khuôn mặt của OpenCV và tập dữ liệu cảm xúc của sinh viên Học viện Nông nghiệp Việt Nam để huấn luyện mô hình đào tạo, phát hiện các khuôn mặt trên màn hình và đưa ra kết quả cảm xúc khi nhận diện. Các kiểm tra cho thấy với tập dữ liệu chạy thử, mô hình của MTCNN được huấn luyện có độ chính xác là 73,3% và khi được kiểm tra trên hình ảnh thực tế có độ chính xác là 77,4%. Kết quả của nghiên cứu này sẽ giúp cải thiện các nguyên lý của học sâu và hỗ trợ nâng cao độ chính xác trong thị giác máy tính. Đề tài nghiên cứu tập trung thiết kế một mô hình DL cùng với mô hình MTCNN cho bài toán FER đồng thời điều chỉnh mức độ phức tạp vừa phải nhưng vẫn đảm bảo chất lượng nhận diện hiệu quả cho bài toán. Mô hình sẽ được chạy thử nghiệm với một số video camera được lưu trữ công khai và được thiết kế để hỗ trợ giám sát và quản lý quá trình đánh giá cảm xúc của người dùng.
Báo cáo kết quả nghiên cứu của đề tài xem tại: SV2024-02-06. BKTK SVNCKH 2024
