KaydedilenlerDerginizi ekleyin

Dergiler / Veri Bilimi / 2019 / Cilt: 2 - Sayı: 1

Yüz İfadesi Tanıma için Mesafe Oranlarına Dayalı Öznitelik Çıkarımı ve Genetik Algoritmalar ile Seçimi

Ensar Arif SAĞBAŞ
Osman GÖKALP
Aybars UĞUR
Sayfa
19–29
Yayın Tarihi
2019-07-13
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen görüntüler kullanılarak öncelikle yüz işaretçilerinin konumu tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yüz ifadeleri, insanların duyguları hakkında bilgi vermesi nedeniyle sözsüz iletişimde önemli bir rol oynamaktadır ve başta eğitim, sağlık, hukuk, eğlence olmak üzere çok çeşitli alanlarda kullanılmaktadır.
📊
Temel Bulgular & Veri:Bu kapsamda yedi temel duygu ifadesi için (mutlu, kızgın, üzgün, iğrenme, korku, şaşırma ve nötr) toplam 9296 adet görüntü 4 erkek 3 kadın katılımcıdan alınmıştır.
💡
Sonuç & Katkı:Elde edilen görüntüler kullanılarak öncelikle yüz işaretçilerinin konumu tespit edilmiştir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:9296 adet
⚙️Değişkenler:Yüz ifadesi tanıma · makine öğrenmesi · öznitelik seçimi

Özet

Yüz ifadeleri, insanların duyguları hakkında bilgi vermesi nedeniyle sözsüz iletişimde önemli bir rol oynamaktadır ve başta eğitim, sağlık, hukuk, eğlence olmak üzere çok çeşitli alanlarda kullanılmaktadır. Bu çalışmada yüz ifadelerine dayalı duygu tespiti sistemi geliştirilmiştir. Bu kapsamda yedi temel duygu ifadesi için (mutlu, kızgın, üzgün, iğrenme, korku, şaşırma ve nötr) toplam 9296 adet görüntü 4 erkek 3 kadın katılımcıdan alınmıştır. Elde edilen görüntüler kullanılarak öncelikle yüz işaretçilerinin konumu tespit edilmiştir. Sonrasında yüz işaretçileri arasındaki mesafe oranlarına dayalı yeni bir öznitelik çıkarma yaklaşımı ile toplamda 120 adet öznitelik çıkartılmıştır. Öznitelik seçiminde Genetik Algoritmalar kullanılmıştır. Buna ek olarak ReliefF, Information Gain ve Gain Ratio öznitelik seçimi algoritmalarının başarımı Genetik Algoritmaların sonucu ile karşılaştırılmıştır. Seçilen özniteliklerin sınıflandırma performansları; kNN, Bayes Ağları ve Rastgele Orman yöntemleri ile test edilmiştir. Sonuç olarak, bu çalışmada önerilen öznitelik çıkarma yöntemi ile elde edilen özniteliklerin Genetik Algoritmalar kullanılarak seçilmesi ve Rastgele Orman ile sınıflandırılmasının ardından başarılı sonuçlar üretebildiği gözlemlenmiştir.

🔖

Bu Makaleye Atıf Yap

SAĞBAŞ, E. A., GÖKALP, O., UĞUR, A. (2019). Yüz İfadesi Tanıma için Mesafe Oranlarına Dayalı Öznitelik Çıkarımı ve Genetik Algoritmalar ile Seçimi. Veri Bilimi, Cilt: 2 - Sayı: 1, 19–29. https://ajindex.com/articles/821878

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Hariri W, Tabia H, Farah N, Benouareth A, Declercq D. “3D facial expression recognition using kernel methods on Riemannian manifold”. Engineering Applications of Artificial Intelligence, 64, 25-32, 2017
  2. Zeng N, Zhang H, Song B, Liu W, Li Y, Dobaie AM. “Facial expression recognition via learning deep sparse autoencoders”. Neurocomputing, 273, 643-649, 2018
  3. Ekman P, Friesen WV. “Constants across cultures in the face and emotion”. Journal of personality and social psychology, 17(2), 124, 1971
  4. Chandrashekar G, Sahin F. “A survey on feature selection methods”. Computers & Electrical Engineering, 40(1), 16-28, 2014
  5. Soyel H, Demirel H. “Optimal feature selection for 3D facial expression recognition using coarse-to-fine classification”. Turkish Journal of Electrical Engineering & Computer Sciences, 18(6), 1031-1040, 2010
  6. Yang H, Yin L. “CNN based 3D facial expression recognition usin masking and landmark features”. In Affective Computing and Intelligent Interaction, San Antonio, Texas, 23-26 October 2017
  7. Owusu E, Zhan Y, Mao QR. “A neural-AdaBoost based facial expression recognition system”. Expert Systems with Applications, 41(7), 3383-3390, 2014
  8. Ruiz LZ, Alomia RPV, Dantis ADQ, San Diego MJS, Tindugan CF, Serrano KKD. “Human emotion detection through facial expressions for commercial analysis”. In Humanoid, Nanotechnology, Information Technology, Manila, Philippines, 1-3 December 2017
  9. Ayvaz U, Gürüler H. “Real-time detection of students’ emotiona states in the classroom”. In Signal Processing and Communications Applications Conference, Antalya, Türkiye, 15-18 Mayıs 2017
  10. Agrawal, S., & Khatri, P. (2015, February). “Facial expression detection techniques: based on Viola and Jones algorithm and principal component analysis”. In Advanced Computing & Communication Technologies, Rohtak, India, 21-22 February 2015
  11. Tivatansakul S, Ohkura M, Puangpontip S, Achalakul T. (2014, September). “Emotional healthcare system: Emotion detection by facial expressions using Japanese database”. In Computer Science and Electronic Engineering Conference, Colchester, United Kingdom, 25-26 September 2014
  12. Lajevardi SM, Hussain ZM. “Feature selection for facial expression recognition based on optimization algorithm”. In Nonlinear Dynamics and Synchronization, Klagenfurt, Austria, 20-21 July 2009
  13. Ayvaz, U., Gürüler, H., & Devrim, M. O. (2017). Use of Facial Emotion Recognition in e-learning Systems. Information Technologies