001 26612
002 7
004 70C2F779-03B4-4E1E-B0E9-1D6ACDAF47F4
005 202309261641
008 081223s2023||||vm|#################vie#d
009 1 0
039 ## $a20230926164111 $bdtmkhue $y20230919092128 $zdtmkhue
082 ## $a000 $bTR-N
100 $aTrần, Văn Nam
245 ## $aỨng dụng nhận dạng biểu cảm khuôn mặt dựa trên mạng nơron nhân tạo để hỗ trợ người khiếm thị trong giao tiếp / $cTrần Văn Nam; NHDKH TS.Dương Thăng Long
260 ## $aH. : $bTrường Đại học Mở Hà Nội, $c2023
300 ## $a81 tr. ; $cA4
490 ## $aBộ Giáo dục và Đào tạo; Trường Đại học Mở Hà Nội
520 ## $aMỤC TIÊU NGHIÊN CỨU Nghiên cứu Mạng nơron nhân tạo và Mạng nơron tích chập. Nghiên cứu mạng nơron tích chập dạng Resnet và phân tích mô hình mạng nơron tích chập cho nhận dạng biểu cảm trên khuôn mặt người. Ứng dụng mô hình mạng Nơron tích chập dạng Resnet cho nhận dạng biểu cảm trên khuôn mặt để xây dựng phần mềm thử nghiệm cho ứng dụng của đề tài. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU Đối tượng nghiên cứu sử dụng mạng nơron tích chập dạng Resnet để xác định các cảm xúc trên khuôn mặt người. Phạm vi nghiên cứu đề cập đến 7 biểu cảm và được chia làm 2 trạng thái biểu đạt tích cực hay không tích cực với cuộc nói chuyện của người đối diện bằng cách gộp nhóm các cảm xúc trên khuôn mặt. - Trạng thái tích cực bao gồm các cảm xúc: Hạnh phúc, Bất ngờ, Trung lập - Trạng thái không tích cực bao gồm các cảm xúc: Buồn, ghê tởm, giận dữ, sợ hãi. KẾT QUẢ: Kết quả kiểm chứng cho thấy đây là một phương pháp kết hợp cho hiệu quả tốt. Cụ thể là việc đã nhận dạng được khuôn mặt của người đối diện, dựa vào mô hình đã huấn luyện đưa ra thông báo trạng thái trên khuôn mặt người đối diện. Dựa vào kết quả so sánh giữa phần mềm và nhóm khảo sát tỷ lệ sai lệch giữa kết của của phần mềm và nhóm khảo sát cho thấy 6/100 ảnh không dự đoán chính xác. Vậy có thể kết luận trong phạm vi khảo sát của luận văn, phần mềm đã hoạt động đạt kết quả chính xác 94%. KẾT LUẬN: Mặc dù độ phức tạp của mô hình ở mức thấp so với các mô hình khác, nhưng kết quả thử nghiệm cho thấy tính hiệu quả của phân lớp khá cao. Hiện nay do điều kiện tính toán nên chúng tôi chỉ áp dụng số lần huấn luyện còn thấp, nếu được huấn luyện ở mức độ sâu hơn thì kỳ vọng sẽ đem lại kết quả cao hơn nữa. Trong thời gian tới tôi tiếp tục nghiên cứu hướng phát triển mở rộng theo các hướng sau, kỳ vọng đạt được một hệ thống hoàn chỉnh hỗ trợ cho người khiếm thị
541 ## $aTài liệu nội sinh
653 ## $aGiao tiếp
653 ## $aBiểu cảm khuôn mặt
653 ## $aMạng nơron nhân tạo
653 ## $aNgười khiếm thị
653 ## $aỨng dụng nhận dạng
852 ## $a01 $bKho Luận văn $j(1): 01503114
852 ## $a02 $bKho Khoa Công nghệ Thông tin $j(1): 02101271
856 1# $uhttp://thuvien.hou.edu.vn/houkiposdata2/luanvanluanankhoaluan/luanvan/2023/000/tranvannam/tranvannam_01thumbimage.jpg
890 ## $a2 $c1