Отрывок: Далее полученные высокоуровневые признаки подаются на вход рекуррентной сети (чаще всего используют LSTM сеть) для учёта временной составляющей. И уже рекуррентная сеть выдаёт информацию о том, какая эмоция была распознана [15]. Второй подход подразумевает использование 3D- CNN [16], на которую подают кадры из видео. Особенностью использования 3D-CNN является использование свёрток для преобразования четырёхмерных данных в трёхмерные карты признаков. Так...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Альгашев Г. А. | ru |
dc.contributor.author | Корепанов А. О. | ru |
dc.contributor.author | Никоноров А. В. | ru |
dc.coverage.spatial | нейронные сети | ru |
dc.coverage.spatial | классификация эмоций | ru |
dc.coverage.spatial | свёрточные сети | ru |
dc.coverage.spatial | распознавание эмоций | ru |
dc.coverage.spatial | рекуррентные сети | ru |
dc.creator | Альгашев Г. А., Корепанов А. О., Никоноров А. В. | ru |
dc.date.accessioned | 2023-10-03 15:46:18 | - |
dc.date.available | 2023-10-03 15:46:18 | - |
dc.date.issued | 2023 | ru |
dc.identifier | RU\НТБ СГАУ\541341 | ru |
dc.identifier.citation | Альгашев, Г. А. Современные подходы распознавания человеческих эмоций с помощью глубоких нейронных сетей / Г. А. Альгашев, А. О. Корепанов, А. В. Никоноров // Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 т. / М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - Фил. Федер. науч.-исслед. центра "Кристаллография и фотоника" Рос. акад. наук. - Самара : Изд-во Самар. ун-та, 2023Т. 4: Искусственный интеллект / под. ред. А. В. Никонорова. - 2023. - С. 041702. | ru |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Sovremennye-podhody-raspoznavaniya-chelovecheskih-emocii-s-pomoshu-glubokih-neironnyh-setei-105736 | - |
dc.description.abstract | Рассмотрены актуальные дискретные и многомерные модели классификации эмоций, а также исследованы основные подходы для построения систем распознавания человеческих эмоций. Рассмотрены современные способы анализа видео и аудио информации для решения задачи распознавания эмоций с помощью глубоких нейронных сетей. | ru |
dc.language.iso | rus | ru |
dc.relation.ispartof | Информационные технологии и нанотехнологии (ИТНТ-2023) : сб. тр. по материалам IX Междунар. конф. и молодеж. шк. (г. Самара, 17-23 апр. 2023 г.): в 6 | ru |
dc.source | Информационные технологии и нанотехнологии (ИТНТ-2023). - Т. 4 : Искусственный интеллект | ru |
dc.title | Современные подходы распознавания человеческих эмоций с помощью глубоких нейронных сетей | ru |
dc.type | Text | ru |
dc.citation.spage | 041702 | ru |
dc.citation.volume | 4 | ru |
dc.textpart | Далее полученные высокоуровневые признаки подаются на вход рекуррентной сети (чаще всего используют LSTM сеть) для учёта временной составляющей. И уже рекуррентная сеть выдаёт информацию о том, какая эмоция была распознана [15]. Второй подход подразумевает использование 3D- CNN [16], на которую подают кадры из видео. Особенностью использования 3D-CNN является использование свёрток для преобразования четырёхмерных данных в трёхмерные карты признаков. Так... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
978-5-7883-1920-9_2023-041702.pdf | 208.35 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.