ОПТИМИЗАЦИЯ МОДЕЛЕЙ ВЫРАЖЕНИЯ ЛИЦА: УЛУЧШЕНИЕ ГРАДИЕНТА И ЕГО ЗНАЧЕНИЕ В НАСТРОЙКЕ И РЕГУЛЯРИЗАЦИИ ГИПЕРПАРАМЕТРОВ
Ключевые слова:
Gradient Boosting, Neural network architecture, Optimization algorithmsАннотация
В последние годы распознаванию выражений лица уделяется большое внимание благодаря его широкому применению в различных областях, включая взаимодействие человека с компьютером, анализ эмоций и биометрию лица. Разработка точных и надежных моделей распознавания выражений лица необходима для достижения надежных результатов. В этой статье обсуждается важность оптимизации моделей распознавания выражений лица и роль повышения градиента в оптимизации моделей. Кроме того, обсуждаются настройка гиперпараметров, методы регуляризации, увеличение данных, перенос обучения и показатели производительности, которые способствуют процессу оптимизации.
Библиографические ссылки
Mehendale, N. Facial emotion recognition using convolutional neural networks (FERC). SN Appl. Sci. 2, 446 (2020). https://doi.org/10.1007/s42452-020-2234-1
Ozcan, T., Basturk, A. Static facial expression recognition using convolutional neural networks based on transfer learning and hyperparameter optimization. Multimed Tools Appl 79, 26587–26604 (2020). https://doi.org/10.1007/s11042-020-09268-9
Zatarain Cabada, R., Rodriguez Rangel, H., Barron Estrada, M.L. et al. Hyperparameter optimization in CNN for learning-centered emotion recognition for intelligent tutoring systems. Soft Comput 24, 7593–7602 (2020). https://doi.org/10.1007/s00500-019-04387-4
Varma, S., Shinde, M., Chavan, S.S. (2020). Analysis of PCA and LDA Features for Facial Expression Recognition Using SVM and HMM Classifiers. In: Pawar, P., Ronge, B.,
Balasubramaniam, R., Vibhute, A., Apte, S. (eds) Techno-Societal 2018 . Springer, Cham. https://doi.org/10.1007/978-3-030-16848-3_11
Rusia, M.K., Singh, D.K. An efficient CNN approach for facial expression recognition with some measures of overfitting. Int. j. inf. tecnol. 13, 2419–2430 (2021). https://doi.org/10.1007/s41870-021-00803-x
Jaiswal, Shruti, and Gora Chand Nandi. "Hyperparameters optimization for Deep Learning based emotion prediction for Human Robot Interaction." arXiv preprint arXiv:2001.03855 (2020).
Bellamkonda, Satyachandra Saurabh Blekinge Institute of Technology, Faculty of Computing, Department of Computer Science. “Facial Emotion Recognition by Hyper-Parameter tuning of Convolutional Neural Network using Genetic Algorithm”. Master of Science in Computer Science October 2021
Akhand, M.A.H.; Roy, S.; Siddique, N.; Kamal, M.A.S.; Shimamura, T. Facial Emotion Recognition Using Transfer Learning in the Deep CNN. Electronics 2021, 10, 1036. https://doi.org/10.3390/electronics10091036
Albraikan, Amani Abdulrahman, et al. "Intelligent facial expression recognition and classification using optimal deep transfer learning model." Image and Vision Computing 128 (2022): 104583. Yang, Lei, et al. "Facial expression recognition based on transfer learning and SVM." Journal of Physics: Conference Series. Vol. 2025. No. 1. IOP Publishing, 2021.
KURBANOV A.A. Multimodal emotion recognition: a comprehensive survey with deep learning. Journal of Research and Innovation, pp. 43-47. 2023
Kurbanov Abdurahmon Alishboyevich. A Methodological Approach to Understanding Emotional States Using Textual Data. Journal of Universal Science Research. 2023
Kurbanov Abdurahmon. AI MODELS OF AFFECTIVE COMPUTING.
International Conference of Contemporary Scientific and Technical Research. 2023
Kurbanov Abdurahmon Alishboyevich. USING AFFECTIVE COMPUTING SYSTEMS IN MODERN EDUCATION. Journal Science and innovation. 2023
Kurbanov Abdurahmon Alishboyevich. Methods of evaluating a person’s emotional state based on the analysis of textual data. Journal of actual problems of modern science, education and training, pp 32-40. 2023.
Загрузки
Дополнительные файлы
Опубликован
Как цитировать
Лицензия
Copyright (c) 2024 Muhammadmullo Asrayev , Abduraxmon Kurbanov , Voxid Fayziyev
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
