Αναγνώριση συναισθηματικής κατάστασης από εκφράσεις προσώπου με χρήση transformers
Loading...
Date
2024-10-04
Authors
Κόλλιας, Ιωάννης
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Μεταξύ των διαφόρων ερευνητικών θεμάτων στον τομέα της τεχνητής νοημοσύνης, ένα από τα σημαντικότερα είναι η Αναγνώριση Συναισθημάτων Προσώπου- έχει ένα ευρύ φάσμα εφαρμογών, που κυμαίνονται από την αλληλεπίδραση ανθρώπου-υπολογιστή έως την ψυχο-λογική ανάλυση. Το θέμα της διπλωματικής, διερευνά τη χρήση μοντέλων βασισμένων σε μετασχηματιστές όρασης για την ενίσχυση της ακρίβειας και της ερμηνευσιμότητας του συ-
στήματος FER. Τα προτεινόμενα μοντέλα εκπαιδεύονται και δοκιμάζονται χρησιμοποιώντας το σύνολο δεδομένων FER2013, το οποίο χρησιμοποιήθηκε πολύ συχνά από προηγούμενες εργασίες για μελέτες αναγνώρισης υναισθημάτων. Σχεδιάζεται ένα σύνολο υβριδικών μοντέλων που ενσωματώνουν επίπεδα συνελικτικής ανάλυσης με κωδικοποιητές μετασχηματιστών, τα οποία είναι περαιτέρω ρυθμισμένα για τις προκλήσεις του FER. Στην πραγματικότητα, ολόκληρη η μελέτη ακολουθεί μια εντατική προεπεξεργασία των δεδομένων, συμπεριλαμβανομένης της επαύξησής τους, έτσι ώστε τα μοντέλα να αποδίδουν εύρωστα. Τα μοντέλα αξιολογούνται με βάση τρεις κύριες μετρικές - αναφορές
ταξινόμησης, γραφήματα ακρίβειας και απωλειών και πίνακες σύγχυσης - οι οποίες παρέχουν μια ολοκληρωμένη εικόνα της αποτελεσματικότητάς τους. Εκτός από αυτές τις αναλύσεις επιδόσεων, στη διατριβή επιδιώκεται η ερμηνευσιμότητα των μοντέλων με τη χρήση της τεχνικής LIME για την επεξήγηση των αποφάσεων των μοντέλων που έχουν εκπαιδευτεί. Τα αποτελέσματα αυτά δείχνουν σαφώς ότι τα υβριδικά μοντέλα που βασίζονται σε ViT είναι σε θέση να παρέχουν επιδόσεις ανταγωνιστικές με την τρέχουσα τεχνολογία αιχμής, ενώ παράλληλα απολαμβάνουν πολύ μεγαλύτερη ερμηνευσιμότητα, έναν κρίσιμο παράγοντα όταν πρόκειται για ευαίσθητους τομείς και, ως εκ τούτου, όταν πρέπει να εξηγηθεί η λογική πίσω από τη λήψη αποφάσεων ΤΝ. Η εργασία αυτή εμπλουτίζει τον ταχέως αναπτυσσόμενο τομέα της εξηγήσιμης ΤΝ και παρέχει κάποια εικόνα για τις πρακτικές εφαρμογές των μετασχηματιστών όρασης στη FER.
Description
Keywords
Αναγνώριση συναισθημάτων από εκφράσεις προσώπου, Μετασχηματιστές όρασης, Υβριδικά μοντέλα, FER2013 σύνολο δεδομένων, Επεξηγησιμότητα μοντέλου, Τεχνική LIME, Συνελικτικά νευρωνικά δίκτυα