Reconnaissance des expressions faciales

Abstract

Pour une bonne interaction homme-machine, l'efficacité des systèmes de reconnaissance d'expressions simples est essentielle. Cependant, le problème de la reconnaissance des expressions faciales est lié à un certain nombre de techniques qui influencent les performances des systèmes FER. Cette thèse examine les performances des architectures VGG16 de CNN et les Optimisateurs Adam et SGD. Le succès de la reconnaissance d'images est le moteur de notre choix d'architecture. Contrairement aux recherches précédentes, nous nous concentrons sur l’affect des optimisateurs qui ont un impact direct sur les résultats. Notre approche a été testée sur la base de données FER-2013, ce qui génère des résultats remarquables où il atteint la Précision 68.2 %sur l'Optimisateur ADAM par rapport à 63.3 %pour l'Optimisateur SGD.

للتفاعل الجيد بدي الإنسدا والحاسدو، فدن كفداة أنظمدد التعدد علدد التعبيدد ا البسددي ضدد و ي . ومدد ذلد، فدن مشدكل التعد علد تعبيد ا الوجد م تب د بع م التقنيا التي تؤث عل أ اة أنظم FER . تبحد هدذ الأ وحد فدي أ اة معما يد VGG16 لشدبك CNN ومحسدنا Adam و SGD . نجدا التعد علد الصدو هدو القددو ال افعدد و اة اختيا نددا لهددذ المعما يدد . علدد عكدد الأبحددا السددابق فنننددا ن كدد علدد تدديثي ا المحّسني التي تؤث بشكل مباش عل النتائج. تم اختبا نهجنا عل قاع بيانا FER-2013 والتي 2٪ عل المحس .. تع ينا نتائج ملحوظ حي حقق ق 6 ADAM مقا ن بد 26.6 ٪ للمحس SGD