<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=113170"><dc:title>Razvoj in evalvacija sistema za avtomatsko klasifikacijo čustev iz obraznih izrazov</dc:title><dc:creator>Markočič,	Jan	(Avtor)
	</dc:creator><dc:creator>Geršak,	Gregor	(Mentor)
	</dc:creator><dc:creator>Podlesek,	Anja	(Komentor)
	</dc:creator><dc:subject>inteligentni sistemi</dc:subject><dc:description>Učinkovitost interakcije med človekom in strojem je odvisna tudi od tega, kako relevantne podatke ima stroj o človeku. S prihodom vse bolj avtonomnih strojev se pojavlja potreba po tem, da bi stroj lahko sam zaznaval čustveno stanje človeka. V tem magistrskem delu smo se osredotočili na pristop prepoznavanja čustev na daljavo s pomočjo spletne kamere. Izdelali smo lasten sistem za prepoznavo čustev na podlagi obrazne mimike, ki temelji na modernem orodju OpenFace za izračun značilnic (primernih kot vhod metodi strojnega učenja) in za klasifikacijo čustev uporablja metodo podpornih vektorjev (SVM). Svoj pristop smo primerjali s priznanim sistemom Noldus FaceReader. Uporabili smo metrike natančnosti, priklica, točnosti ter F1, ki predstavlja celovitejšo oceno klasifikatorja. Za ocenjevanje algoritmov smo uporabili naslednje zbirke videoposnetkov oz. slik: (1) Bahcesehir University Multimodal Face Database of Affective and Mental States (BAUM-1) in (2) Geneva Multimodal Emotion Portrayals Core Set (GEMEP), katerih posnetki so nastali s snemanjem obrazov udeležencev posameznih raziskav ob induciranju določenih čustvenih stanj, ter (3) zbirko slik s kategoričnimi oznakami, ki smo jih lastnoročno izbrali iz zbirke BAUM-1s. Zbirki videoposnetkov vsebujeta tako igrane kot tudi pristne odzive na dražljaje. Primerjali smo rezultate klasifikatorjev ob različnih načinih interpretacije klasifikacij, nastale razlike analizirali glede na zbirke vhodnih podatkov ter izpostavili vrsto faktorjev, ki so vplivali na rezultate. FaceReader se je pri klasifikaciji izkazal za bolj konsistentnega, v povprečju pa je naš klasifikator dosegel boljši rezultat F1. Vsak klasifikator ima svoje prednosti in slabosti. V diskusiji smo se poleg obravnave slednjih dotaknili tudi možnih izboljšav. Dovolj visoka uspešnost metod za merjenje čustev bi omogočila obstoj vrste aplikacij s koristnimi zmožnostmi za mnoga področja, kot so varnost, nega ljudi, administracija podjetij in držav itd.</dc:description><dc:date>2019</dc:date><dc:date>2019-12-10 03:25:16</dc:date><dc:type>Magistrsko delo/naloga</dc:type><dc:identifier>113170</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>
