Please use this identifier to cite or link to this item: http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18511
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΚαπαρού, Αλεξάνδρα-
dc.date.accessioned2022-11-01T11:33:21Z-
dc.date.available2022-11-01T11:33:21Z-
dc.date.issued2022-10-18-
dc.identifier.urihttp://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/18511-
dc.description.abstractΗ παρούσα διπλωματική εργασία ασχολείται με το ϑέμα της Αναγνώρισης Συναισθήματος και της Ανίχνευσης Σθένους/Διέγερσης χρησιμοποιώντας μεθόδους Μηχανικής Μάθησης και εξάγωντας πληροφορίες από εικόνες προσώπων. Το πεδίο της ανάλυσης συναισθημάτων είναι ένα πολύ ενεργό ερευνητικό πεδίο με μεγάλο αριθμό εφαρμογών ακόμα και στην καθημερινή μας Ϲωή. Προσεγγίσαμε αυτό το πρόβλημα κάνοντας χρήση Συνελικτικών Νευρωνικών Δικτύων εκμεταλλευόμενοι επίσης την μέθοδο της επαύξησης δεδομένων προκειμένου να έχουμε με- γαλύτερο αριθμό δεδομένων. Η μεθοδολογία που υλοποιήσαμε κάνει σύζευξη δύο προβλη- μάτων, ένα ταξινόμησης και ένα παλινδρόμησης, όπου εκμεταλλεύεται τις ετικέτες σθένους και διέγερσης προκειμένου να οδηγήσει σε καλύτερη απόδοση στο πρόβλημα της ταξινόμη- σης. Οι ετικέτες παρέχονται από το σύνολο δεδομένων που χρησιμοποιήσαμε, το Affectnet, το οποίο αποτελείται από έναν μεγάλο αριθμό εικόνων που απεικονίζουν εκφράσεις ανθρώπων και έχουν επισημανθεί αναφορικά με το συναίσθημα, το σθένος και την διέγερση. Σχετικά με τις ετικέτες συναισθήματος, αυτές ανήκουν σε μία εκ των 8 διακριτών κατηγοριών: Neutral, Happy, Sad, Surprise, Fear, Disgust, Anger, Contempt ενώ οι ετικέτες σθένους και διέγερσης απαρτίζονται από δεκαδικούς αριθμούς στο εύρος [-1,1]. ΄Εχοντας εφαρμόσει πειραματικά την μεθοδολογία μας, στην συνέχεια εκπαιδεύουμε τα μοντέλα μας και ακολουθεί η τελική τους αξιολόγηση στο προαναφερθέν σύνολο δεδομένων.en_US
dc.languageelen_US
dc.subjectΤεχνητή Νοημοσύνη, Μηχανική Μάθηση, Βαθιά Μάθηση, Συνελικτικά Νευρωνικά Δίκτυα, Αναγνώριση Συναισθημάτων, Ταξινόμηση, Παλινδρόμηση, Σθένος, Διέγερση, Βασικά συναισθήματα.en_US
dc.subjectArtificial Intelligence, Machine Learning, Deep Learning, Convolutional Neural Networks, Emotion Recognition, Classification, Regression, Valence, Arousal, Basic Expressions.en_US
dc.titleΕκ νέου επισήμανση με ϐάση την σχετικότητα διαφορετικών ετικετών: Βασικά συναισθήματα και ετικέτες Σθένους-Διέγερσηςen_US
dc.description.pages99en_US
dc.contributor.supervisorΚόλλιας Στέφανοςen_US
dc.departmentΤομέας Τεχνολογίας Πληροφορικής και Υπολογιστώνen_US
Appears in Collections:Διπλωματικές Εργασίες - Theses

Files in This Item:
File Description SizeFormat 
Kaparou_Alexandra_Diplomatiki_NTUA_ECE.pdf10.47 MBAdobe PDFView/Open


Items in Artemis are protected by copyright, with all rights reserved, unless otherwise indicated.