مروری بر تشخیص حالت چهره مبتنی بر یادگیری عمیق با استفاده از الگوریتم بهینه سازی ازدحام گربه بهبود یافته

حالات چهره عاطفی انسان نقشی حیاتی در روابط بین فردی دارد. تشخیص خودکار حالت چهره همیشه یک مشکل چالش برانگیز در برنامه های کاربردی زندگی واقعی باقی مانده است، زیرا افراد در نحوه نشان دادن حالات خود به طور قابل توجهی متفاوت هستند. اخیرا رویکردهای مختلفی برای تجزیه و تحلیل خودکار حالت چهره یک فرد پیشنهاد شده است. در این مقاله، یک رویکرد جدید برای تشخیص حالات چهره انسان با استفاده از یک نسخه اصلاح شده از الگوریتم بهینه سازی ازدحام گربه به نام الگوریتم بهینه سازی ازدحام گربه بهبودیافته پیشنهاد شده است. تصویر ورودی داده شده به سیستم پیشنهادی،تصویر مشابه را از مجموعه داده بازیابی می کند و همچنین وضعیت عاطفی فرد را از طریق حالات چهره شناسایی می کند. ویژگی های عمیق موجود در تصویر چهره با استفاده از یک رویکرد شبکه عصبی پیچیده عمیق استخراج می شوند. استفاده از شبکه عصبی پیچیده عمیق با الگوریتم ازدحام گربه بهبودیافته، عملکرد بازیابی سیستم پیشنهادی را بهبود می بخشد. طبقه بندی کننده های گروهی که از شبکه عصبی و ماشین بردار پشتیبان استفاده می کنند برای طبقه بندی حالات چهره مانند نرمال، شاد، غمگین، تعجب، ترس و عصبانیت پیاده سازی می شوند. عملکرد سیستم پیشنهادی با استفاده از مجموعه داده های پای، سی کی پلاس، جف و برخی تصاویر دنیای واقعی ارزیابی می شود. این سیستم به دقت برتر و کاهش محاسبات نسبت به سیستم موجود دست یافت.

کلیدواژه ها:

بازیابی تصویر ، شبکه عصبی پیچیده عمیق ، حالت چهره ، بهینه سازی ازدحام گربه ها ، ماشین بردار پشتیبان