تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > Facial Expression Recognition...>الوصف

Facial Expression Recognition Using Convolutional Neural Networks and Stochastic Gradient Descent Optimization Algorithms

العنوان بلغة أخرى: التعرف على تعابير الوجه باستخدام الشبكات العصبية الالتفافية العميقة وخوارزميات تحسين الانحدار التدرجي العشوائي
المصدر: مجلة شمال إفريقيا للنشر العلمي
الناشر: الأكاديمية الأفريقية للدراسات المتقدمة
المؤلف الرئيسي: علي، عمر بلولة (مؤلف)
المؤلف الرئيسي (الإنجليزية): Ali, Omar Balola
مؤلفين آخرين: بخاري، عبدالحفيظ (م. مشارك) , بوبكر، محمد حميد (م. مشارك) , عبدالمنعم، محمد الفاتح (م. مشارك)
المجلد/العدد: مج2, ع2
محكمة: نعم
الدولة: ليبيا
التاريخ الميلادي: 2024
الشهر: يونيو
الصفحات: 60 - 72
ISSN: 2959-4820
رقم MD: 1525633
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EduSearch, HumanIndex
مواضيع:
الشبكات العصبية | تعبيرات الوجه | الخوارزميات
كلمات المؤلف المفتاحية:
التعرف على تعبيرات الوجه "FER " | النسب التدرج العشوائي "SGD" | الشبكات العصبية التلافيفية العميقة "DCNNs " | انتشار متوسط الجذر التربيعي "RMSprop" | Facial Expression Recognition "FER" | Stochastic Gradient Descent "SGD" | Deep Convolutional Neural Networks "DCNNs" | Root Mean Squared Propagation "RMSprop"
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

3

حفظ في:
المستخلص: يقدم هذا البحث تصميم نظام التعرف على تعبيرات الوجه (FER) باستخدام الشبكات العصبية الالتفافية العميقة (DCNNS) لتحديد سبع تعبيرات رئيسية للوجه البشري. تم تطوير نموذج DCNN ونظام FER باستخدام بيئة MATLAB واختبارها على مجموعات بيانات المختلفة لصور الوجه، بما في ذلك Jaffe وKDEF وMug وWsefep وADFES وTfeid. تضمنت التجارب اختبار نماذج وهيكلية مختلفة بأعداد متفاوتة من الطبقات الالتفافية، وأحجام المرشحات والدورات استندت نتائج هذه التجارب إلى 2982 صورة للوجوه على التعبيرات السبع الأساسية. تم تقييم الدراسة أيضا باستخدام خوارزميات أداء نزول التدرج العشوائي (SGD)، والانتشار التربيعي للجذر (RMSprop)، وتقدير اللحظة التكيفية (Adam)، وخوارزميات التحسين على بنية DCNN. أظهرت النتائج أن SGDM مع معدل التعلم التكيفي حققت أعلى دقة للتحقق من الصحة بنسبة 98.35 %، تفوقت على الخوارزميات الأخرى. بالإضافة إلى ذلك، وجدت الدراسة أن RMSprop أدت إلى تدريب غير مستقر ودقة أقل، في حين أن (Adam) لم يحسن بشكل كبير من الدقة مع معدل التعلم التكيفي. أظهر البحث أن اختيار المزيج الصحيح من عناصر النموذج أدى إلى تحسين الدقة ووقت التقارب حقق النظام معدل اعتراف قدره 98.35 % لمجموعة البيانات التي تم اختبارها باستخدام خوارزمية DCNN، مما يبرز فعاليتها في التعرف على تعبير الوجه.

This paper presents the design of a Facial Expression Recognition (FER) system using Deep Convolutional Neural Networks (DCNNs) to accurately identify seven key human facial expressions. The DCNN module and FER system were trained and tested on various facial datasets, including JAFFE, KDEF, MUG, WSEFEP, ADFES, and TFEID. The experiments involved testing different models and architectures with varying numbers of convolutional layers, filter sizes, and epochs. Results from these experiments are based on 2982 images of faces on the seven-basic expression. The study also evaluated the performance of Stochastic Gradient Descent (SGD), Root Mean Squared Propagation (RMSprop), and Adaptive Moment Estimation (Adam), optimization algorithms on the DCNN architecture. Results showed that SGDM with an adaptive learning-rate achieved the highest validation accuracy of 98.35%, outperforming other algorithms. Additionally, the study found that RMSprop led to unstable training and lower accuracy, while Adam did not significantly improve accuracy with adaptive learning rate. The research demonstrated that selecting the right combination of model elements led to improved accuracy and convergence time. The system achieved a recognition rate of 98.35% for the tested dataset using the DCNN algorithm, highlighting its effectiveness in facial expression recognition.
ISSN: 2959-4820

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.