تحسين محاكاة الشعور البشري عن طريق التعرف إلى تعابيرالوجه

الملخص

الشبكات  العصبونية  العميقة ذات العدد الكبير من المعلمات هي أنظمة تعلم قوية جداً ومع ذلك , فإن ظاهرة الإنحراف الزائد هي مشكلة خطيرة في مثل هذه الشبكات .

الإسقاط (Dropout) تقنية تنظيم شائعة الإستخدام في الشبكات  العصبونية  لمنع حدوث الإنحراف الزائد. تعمل هذه التقنية من خلال تحديد عشوائي لمجموعة فرعية من الخلايا  العصبونية  لتكون "مستبعدة" أو متجاهلة مؤقتًا أثناء التدريب .

أثبتت العديد من الدراسات أن الـ Dropout يمكن أن تحسن بشكل كبير أداء الشبكات  العصبونية  في مختلف مهام الرؤية الحاسوبية وتحقق نتائج تتفوق على المعايير الحالية في العديد من مجموعات البيانات الرئيسية , وتساعد على التعميم .

يناقش هذا البحث استخدام الشبكات  العصبونية  العميقة لإكتشاف المشاعر البشرية عن طريق التعرف على تعابير الوجه . حيث اقترحنا نموذج  جديد بمساعدة شبكة (ResNet50   ) لتصنيف المشاعر البشرية , النموذج الجديد يحتوي على طبقات من الإسقاط (Dropout layers), وأختبرنا النموذج السابق بمساعدة شبكة  (MobileNetV2 )  أيضاً ومن ثم دمجنا التعلم العميق مع مصنفات التعلم الالي بعد استخدام النموذج السابق لاستخراج السمات  . ولتدريب الشبكة استخدمنا مجموعة البيانات  CK+ , والنموذج الجديد أظهر نتائج أفضل مقارنة مع النماذج السابقة