Group Emotion Recognition - De

लोगों के समूहों की चेहरे की भावनाओं को पहचानने के लिए एक एआई (डीप लर्निंग) ऐप

इस परियोजना का उद्देश्य किसी समूह की कथित भावना को सकारात्मक , तटस्थ या नकारात्मक ।

भावना पहचान की आवश्यकता

तो, सबसे पहले, हमें भावना मान्यता की आवश्यकता क्यों है?

भावना की पहचान महत्वपूर्ण है -

- ग्राहक, शिक्षार्थी के रूप में, या सामान्य सेवा उपयोगकर्ता के रूप में उपयोगकर्ता के अनुभव को बेहतर बनाने के लिए।

- औपचारिक रूप से और लगातार फीडबैक के लिए उपयोगकर्ता से पूछने की आवश्यकता के बिना सेवाओं को बेहतर बनाने में मदद कर सकता है।

- इसके अलावा, सार्वजनिक सुरक्षा, स्वास्थ्य सेवा, या सहायक तकनीक में स्वत: भावना मान्यता का उपयोग करते हुए, लोगों के जीवन की गुणवत्ता में काफी सुधार कर सकते हैं, जिससे उन्हें सुरक्षित वातावरण में रहने या विकलांग या अन्य स्वास्थ्य स्थितियों के प्रभाव को कम करने की अनुमति मिलती है। <। / p>

भावना मान्यता के आवेदन

इमोशन रिकॉग्निशन में क्राउड एनालिटिक्स, सोशल मीडिया, मार्केटिंग, इवेंट डिटेक्शन एंड सारांश, पब्लिक सेफ्टी, ह्यूमन-कंप्यूटर इंटरैक्शन, डिजिटल सिक्योरिटी सर्विलांस, स्ट्रीट एनालिटिक्स, इमेज रिट्रीवल, आदि में एप्लिकेशन होते हैं।

समूह भावना मान्यता का उदय

लोगों के एक समूह के लिए भावना मान्यता की समस्या का बड़े पैमाने पर अध्ययन किया गया है, लेकिन यह सोशल नेटवर्किंग साइटों पर उपलब्ध भारी मात्रा में डेटा के कारण लोकप्रियता हासिल कर रहा है, जिसमें सामाजिक कार्यक्रमों में भाग लेने वाले लोगों के समूहों की छवियां शामिल हैं। >

समूह भावना पहचान का सामना करने वाली चुनौतियाँ

समूह भावना मान्यता एक चुनौतीपूर्ण समस्या है, जैसे कि सिर और शरीर के विभिन्न प्रकारों की गड़बड़ी, खराबी, परिवर्तनशील प्रकाश की स्थिति, अभिनेताओं के विचरण, विभिन्न इनडोर और आउटडोर सेटिंग्स और छवि गुणवत्ता जैसी बाधाओं के कारण।

दृष्टिकोण

हमारा समाधान एक पाइपलाइन आधारित दृष्टिकोण है जो दो मॉड्यूल को एकीकृत करता है (जो समानांतर में काम करता है): नीचे-ऊपर और ऊपर-नीचे मॉड्यूल, इस विचार के आधार पर कि नीचे-ऊपर दोनों का उपयोग करके लोगों के समूह की भावना को घटाया जा सकता है और टॉप-डाउन दृष्टिकोण।

- नीचे-ऊपर वाले मॉड्यूल में मौजूद व्यक्तिगत चेहरों का पता लगाता है और उन्हें निकालता है

छवि और पूर्व प्रशिक्षित डीप के एक संयोजन के इनपुट के रूप में उन्हें पास करता है

संवादी तंत्रिका नेटवर्क (CNNs)।

- इसके साथ ही, टॉप-डाउन मॉड्यूल से जुड़े लेबल का पता लगाता है

दृश्य और उन्हें एक बायेसियन नेटवर्क (बीएन) के इनपुट के रूप में पास करता है जो भविष्यवाणी करता है

प्रत्येक वर्ग की संभावनाएं।

- अंतिम पाइपलाइन में, समूह भावना श्रेणी नीचे-ऊपर की भविष्यवाणी की है

मॉड्यूल को टॉप-डाउन मॉड्यूल में बायेसियन नेटवर्क के इनपुट के रूप में पारित किया गया है

और छवि के लिए एक समग्र भविष्यवाणी प्राप्त की है।