Group Emotion Recognition - De

Proyek ini bertujuan untuk mengklasifikasikan emosi yang dirasakan grup sebagai Negatif .

Perlunya Pengakuan Emosi

Jadi, pertama-tama, mengapa kita perlu pengenalan emosi?

Pengenalan emosi itu penting -

- Untuk meningkatkan pengalaman pengguna, sebagai pelanggan, pelajar, atau sebagai pengguna layanan umum.

- Dapat membantu meningkatkan layanan tanpa perlu meminta umpan balik secara formal dan terus menerus kepada pengguna.

- Selain itu, menggunakan pengenalan emosi otomatis dalam keselamatan publik, layanan kesehatan, atau teknologi bantuan, dapat secara signifikan meningkatkan kualitas hidup orang, memungkinkan mereka untuk hidup di lingkungan yang lebih aman atau mengurangi dampak yang dimiliki oleh cacat atau kondisi kesehatan lainnya. < / p>

Aplikasi Pengenalan Emosi

Pengenalan Emosi memiliki aplikasi dalam analitik kerumunan, media sosial, pemasaran, deteksi acara dan peringkasan, keselamatan publik, interaksi manusia-komputer, pengawasan keamanan digital, analitik jalanan, pengambilan gambar, dll.

Kemunculan Pengakuan Emosi Grup

Masalah pengenalan emosi untuk sekelompok orang telah dipelajari secara kurang luas, tetapi semakin populer karena banyaknya data yang tersedia di situs jejaring sosial yang berisi gambar sekelompok orang yang berpartisipasi dalam acara sosial.

Tantangan yang dihadapi Pengenalan Emosi Grup

Pengenalan emosi grup adalah masalah yang menantang karena penghalang seperti variasi pose kepala dan tubuh, oklusi, kondisi pencahayaan variabel, varian aktor, beragam pengaturan dalam dan luar ruangan dan kualitas gambar.

Pendekatan

Solusi kami adalah pendekatan berbasis pipa yang mengintegrasikan dua modul (yang bekerja secara paralel): modul bottom-up dan top-down, berdasarkan pada gagasan bahwa emosi sekelompok orang dapat disimpulkan dengan menggunakan kedua bottom-up dan pendekatan top-down.

- Modul bottom-up mendeteksi dan mengekstraksi masing-masing wajah yang ada di

gambar dan melewati mereka sebagai input ke ansambel Deep pra-terlatih

Jaringan Neural Konvolusional (CNN).

- Secara bersamaan, modul top-down mendeteksi label yang terkait dengan

scene dan meneruskannya sebagai input ke Bayesian Network (BN) yang memprediksi

probabilitas setiap kelas.

- Dalam pipa terakhir, kategori emosi grup diprediksi oleh bottom-up

modul diteruskan sebagai input ke Jaringan Bayesian dalam modul top-down

dan prediksi keseluruhan untuk gambar diperoleh.