CNN КӨМЕГІМЕН СТУДЕНТТЕР БЕТ ӘЛПЕТІНЕН ЭМОЦИЯЛАРДЫ АНЫҚТАУ
109 114
Кілт сөздер:
Сверточные нейронные сети, Распознавание выражений лица, Распознавание эмоций, Глубокое обучение, Образовательная среда., Конволюциялық нейрондық желілер, мимиканы тану, эмоцияны тану, терең оқыту, білім беру ортасы.Аңдатпа
Адамның эмоцияларын тану және түсіну, әсіресе білім беру ортасында, үлкен маңызға ие. Бұл зерттеуде оқушылардың бет әлпетіне негізделген эмоцияларын дәл анықтау үшін конволюциялық нейрондық желілерді (CNN) пайдалануға баса назар аударылады. Фациальды белгілерді талдау арқылы білім беру контекстіндегі эмоцияларды тиімді тану және түсіндіру үшін автоматтандырылған жүйе жасалады.
Бұл жұмыс үшін әртүрлі эмоциялармен оқушылардың бет-әлпетін бейнелейтін әртүрлі мәліметтер жиынтығы жасалады. Беттің әртүрлі аймақтарынан маңызды ақпаратты алуға мүмкіндік беретін фациалды бағдарлар алынады. Бұл кескіндер CNN моделін дәл оқыту мен бағалауды қамтамасыз ететін шынайы белгілерді қолдану арқылы мұқият түсіндіріледі.
CNN күрделі кеңістіктік заңдылықтар мен иерархиялық көріністерді тану қабілетіне байланысты белгілерді алу және эмоцияларды жіктеу үшін негізгі технология ретінде таңдалады. Модельді жалпылауға және эмоционалды өрнектердің кең ауқымына бейімделуге мүмкіндік беретін деректерді күшейту және оқытуды тасымалдау сияқты әдістерді қамтитын ауқымды оқыту жүргізілуде.
CNN моделінің өнімділігі дәлдік, болжау дәлдігі, толықтығы және F1 өлшемі сияқты көрсеткіштерді қолдана отырып бағаланады. Ұсынылған тәсілді бет әлпетіндегі эмоцияны танудың қолданыстағы әдістерімен салыстыратын мұқият эксперименттер жүргізіледі, бұл CNN моделінің оқушылардың бет әлпетіндегі эмоцияларды дәл анықтаудағы тамаша өнімділігін көрсетеді.
Әдебиеттер тізімі
REFERENCES
Tang, Chuangao, et al. «Automatic facial expression analysis of students in teaching environments». Biometric Recognition: 10th Chinese Conference, CCBR 2015, / Tianjin, China, November 13-15, 2015, Proceedings 10. Springer International Publishing, – 2015.
Kim, Yelin, Tolga Soyata, and Reza Feyzi Behnagh. «Towards emotionally aware AI smart classroom: Current issues and directions for engineering and education». IEEE Access 6 (2018): 5308-5331.
Lv, Yadan, Zhiyong Feng, and Chao Xu. «Facial expression recognition via deep learning». 2014 international conference on smart computing. IEEE, – 2014.
Viola, Paul, and Michael Jones. "Rapid object detection using a boosted cascade of simple features." Proceedings of the 2001 IEEE computer society conference on computer vision and pattern recognition. CVPR 2001. Vol. 1. Ieee, – 2001.
Albawi, Saad, Tareq Abed Mohammed, and Saad Al-Zawi. «Understanding of a convolutional neural network». 2017 international conference on engineering and technology (ICET). Ieee, –2017.
Freund, Yoav, and Robert E. Schapire. «A decision-theoretic generalization of on-line learning and an application to boosting». Journal of computer and system sciences 55.1 (1997): 119–139.
Harper, Robert G., Arthur N. Wiens, and Joseph D. Matarazzo. Nonverbal communication: The state of the art. John Wiley & Sons, – 1978.
Tang, Xiao-Yu, et al. «Classroom teaching evaluation based on facial expression recognition». Proceedings of the 2020 9th International Conference on Educational and Information Technology. – 2020.
Wu, Haobang. «Real Time Facial Expression Recognition for Online Lecture». Wireless Communications and Mobile Computing 2022 – (2022).
Guo, Xiaoxu, Juxiang Zhou, and Tianwei Xu. «Evaluation of teaching effectiveness based on classroom micro-expression recognition». International Journal of Performability Engineering 14.11 (2018): 2877.
