Creating a Python-based Automated System for Recognizing Emotions from Facial Expressions.

Simple item page
but.committeeprof. Dr. Ing. Jan Černocký (předseda) Ing. Ivana Burgetová, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Josef Strnadel, Ph.D. (člen) doc. RNDr. Dana Hliněná, Ph.D. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky přítomných, např. ohledně dosažených výsledků (přesnosti), možností pro porovnávání výsledků dosažených na zvoleném datasetu, způsobu provádění experimentů či použitého typu neuronových sítí a jejich trénování. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B - velmi dobře.cs
but.jazykangličtina (English)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHussain, Yasiren
dc.contributor.authorZima, Samuelen
dc.contributor.refereeMalik, Aamir Saeeden
dc.date.created2024cs
dc.description.abstractTáto práca skúma rozpoznávanie výrazu tváre (angl. facial expression recognition - FER) pomocou hlbokého učenia so zameraním na použitie v zariadeniach s obmedzenou pamäťou a výpočtovými zdrojmi. Začína výskumom emócií a výrazov tváre z psychologického, biologického a sociologického hľadiska. Jadro výskumu tvorí návrh a implementácia automatizovaného systému pre FER s použitím súboru dát FER-2013. Tento systém využíva prispôsobenú architektúru SqueezeNet rozšírenú o jednoduchý obchvat, vrstvy náhodného odpadu neurónov a vrstvy dávkovej normalizácie. Tento systém dosahuje na súbore dát FER-2013 presnosť 66,37 %. Pre porovnávaciu analýzu sa tento model porovnal s upravenou architektúrou VGG16, ktorá dosiahla presnosť 65,09 %. Táto práca poskytuje cenné poznatky o vývoji menších, efektívnejších modelov strojového učenia pre FER, ktoré sú použiteľné pre široké spektrum zariadení vrátane nízkovýkonných procesorov a vstavaných zariadení.en
dc.description.abstractThis thesis examines facial expression recognition (FER) using deep learning by focusing on its application in devices with limited memory and computational resources. It begins by researching emotions and facial expressions from psychological, biological, and sociological perspectives. The core of this thesis involves the design and implementation of an automated FER system using the FER-2013 dataset. This system uses a customized SqueezeNet architecture enhanced with a simple bypass, dropout layers and batch normalization layers. This system achieves an accuracy of 66.37 % on the FER-2013 dataset. For comparative analysis, this model was compared with a customized VGG16 architecture which achieved an accuracy of 65.09 %. This thesis provides valuable insights into the development of smaller, more efficient machine learning models for FER which are usable in a wide range of devices, including low-performance CPUs and embedded devices.cs
dc.description.markBcs
dc.identifier.citationZIMA, S. Creating a Python-based Automated System for Recognizing Emotions from Facial Expressions. [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024.cs
dc.identifier.other156771cs
dc.identifier.urihttp://hdl.handle.net/11012/246610
dc.language.isoencs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectrozpoznávanie výrazov tváreen
dc.subjectemócieen
dc.subjectvýrazy tváreen
dc.subjectanatómia tváreen
dc.subjectkonvolučné neurónové sieteen
dc.subjectstrojové učenieen
dc.subjecthlboké učenieen
dc.subjectSqueezeNeten
dc.subjectVGG16en
dc.subjectvstavané zariadeniaen
dc.subjectFER-2013en
dc.subjectfacial expression recognitioncs
dc.subjectemotionscs
dc.subjectfacial expressionscs
dc.subjectanatomy of the facecs
dc.subjectconvolutional neural networkscs
dc.subjectmachine learningcs
dc.subjectdeep learningcs
dc.subjectSqueezeNetcs
dc.subjectVGG16cs
dc.subjectembedded devicescs
dc.subjectFER-2013cs
dc.titleCreating a Python-based Automated System for Recognizing Emotions from Facial Expressions.en
dc.title.alternativeCreating a Python-based Automated System for Recognizing Emotions from Facial Expressions.cs
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2024-06-10cs
dcterms.modified2024-06-17-08:45:43cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid156771en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 21:01:04en
sync.item.modts2025.01.15 12:56:27en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
1.82 MB
Format:
Adobe Portable Document Format
Description:
file final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
2.62 MB
Format:
Unknown data format
Description:
file appendix-1.zip
Download
Thumbnail Image
Name:
review_156771.html
Size:
12.8 KB
Format:
Hypertext Markup Language
Description:
file review_156771.html
Download
Collections
2024