Escolar Documentos
Profissional Documentos
Cultura Documentos
Reconhecimento de
Emoções Faciais
Membros da Equipe
Sumeet Agrawal
Rajashekar Korutla
Conteúdo
Instruções de problema
Resumo dos dados
Valores ausentes & tipos de dados Formulação do modelo de
análise exploratória de dados
Precisão e Desempenho
Implantação
Desafios
Conclusão
Declaração do problema
• A detecção de rosto existe há muito tempo, dando um passo à frente, a
emoção humana exibida pelo rosto e sentida pelo cérebro capturada
em outro sinal elétrico de vídeo ou forma de imagem pode ser
aproximada. A detecção de emoções humanas é a necessidade da hora
para que os modernos sistemas de inteligência artificial possam
emular e medir as reações do rosto. Isso pode ser útil para tomar
decisões informadas, seja em relação à identificação de intenção,
promoção de ofertas ou ameaças relacionadas à segurança.
• Então, nosso objetivo neste projeto é treinar um modelo de
aprendizagem profunda que possa detectar a emoção do rosto.
Resumo dos dados
Link:-
https://www.kaggle.eom/c/challenges-in-representation-learning-
facial
-expressão-reconhecimento-desafio/dados.
FER2013.csv
• fer significa FaceEmotionRecognition, este é um conjunto de
dados que foi criado no ano de 2013.
• Ele consiste em imagens em tons de cinza de 48x48 pixels de
rostos.
• A tarefa é categorizar cada rosto com base na emoção mostrada
na expressão facial em uma das sete categorias.
• O conjunto de treinamento tem 28709 exemplos e o conjunto de
teste público tem 3589 exemplos.
Valores e tipos de dados ausentes
Variáveis Importantes
1. Emoções - Essa característica define a emoção dos rostos. Tem 7
classes diferentes de emoções -
a) Medo
b) Nojo
c) Irritado
d) Feliz
e) Neutro
f) Triste
g) Surpreender
Traimiing 80%
Teste Público 10% 34034
valores únicos
Outro (3589) 10%
PTF* L co F Q Q Q L
2 Trainin g
55 55 55 55 54 60
54 85 151 163 170
1611 185 188 188
196 189 194 198
0 -FF F
195 194 196
4 T chovendo 2º 17 19 21 2S 38 42
42 46 5 4 56 62 63 6 6
82 108, 118, 13e 139;
134 132 126 113 97
126 148 157 161 155
3 T chovendo 77 78 79 79 78 75
55 47 48 5® 73 77 79
57 5º 37 44 55 70 80
82 67 91 66 80 73 66
54 57 68 59 68 6...
Construção, Treinamento,
Precisão e Implantação de
Modelos
Al
CNN (Rede Neural Convolucional)
Aumento de dados
Época 34/40
Conclusões
• A forma do conjunto de dados é (35887 , 3).
• Existem 7 classes diferentes de emoções.
• Utilizamos a técnica FERC para treinamento de modelos.
• Nossa precisão do modelo é de cerca de 55%
• Para implantação de modelo, usamos os Serviços de Nuvem do
Azure.
Margem para melhoria