پروژه آموزشی شبیه سازی مقاله کشف احساسات تحصیلی دانش آموزان با متلب

توضیحات

ترجمه ماشینی مقاله:

چکیده:

چهره انسان به طور مداوم ، چه آگاهانه و چه ناخودآگاه ، اطلاعات را منتقل می کند. با این حال ، تفسیر بصری این اطلاعات به همان اندازه که برای انسان اساسی است ، برای ماشین ها یک چالش بزرگ است. تکنیک های متداول تشخیص و تجزیه و تحلیل ویژگی های صورت معنایی عمدتا فاقد مقاومت هستند و از زمان محاسبات بالایی رنج می برند. این مقاله با هدف کشف روش های یادگیری تفسیر اطلاعات معنایی موجود در چهره ها به صورت خودکار و بدون نیاز به طراحی دستی ردیاب های ویژگی ، با استفاده از روش عمیق یادگیری ، برای ماشین آلات انجام می شود. در این مطالعه ، اثرات عوامل مختلف و بیش از حد پارامترهای شبکه های عصبی عمیق برای یک پیکربندی بهینه شبکه بررسی شده است که می تواند ویژگی های معنایی صورت مانند احساسات ، سن ، جنسیت ، قومیت و غیره را به طور دقیق تشخیص دهد. بعلاوه ، رابطه بین تأثیر مفاهیم سطح در ویژگی های سطح پایین از طریق تجزیه و تحلیل شباهت در توصیف سطح پایین از ویژگی های مختلف معنایی بررسی شده است. این مقاله همچنین ایده جدیدی از استفاده از یک شبکه عمیق برای تولید مدل های 3-D فعال ظاهر از چهره ها از تصاویر 2-D در دنیای واقعی را نشان می دهد. برای گزارش دقیق تر در مورد این کار ، لطفاً به [1] مراجعه کنید.

1. مقدمه

یک عکس هزار کلمه است ، اما ارزش عکس یک چهره چند کلمه است؟ ما به عنوان انسان ، فقط با نگاه به چهره اش ، تعدادی ارزیابی هوشیارانه و ناخودآگاه از او انجام می دهیم. شناسایی یک فرد می تواند تأثیر مهمی در مکالمه ما با او بر اساس تجربیات گذشته داشته باشد. تخمین سن فرد ، و قضاوت درباره قومیت ، جنسیت و غیره ، ما را نسبت به فرهنگ و عادات وی حساس می کند. ما همچنین اغلب نظراتی راجع به آن شخص شکل می دهیم (که غالباً بسیار تعصب آمیز و غلط هستند). حالات چهره وی را برای ارزیابی وضعیت عاطفی آنها تجزیه و تحلیل می کنیم (به عنوان مثال شاد ، ناراحت) و سعی می کنیم پیام های ارتباطی غیرکلامی را که قصد انتقال آنها را دارند شناسایی کنیم (به عنوان مثال عشق ، تهدید). ما هنگام تعامل با یکدیگر از تمام این اطلاعات استفاده می کنیم. در حقیقت ، گفته شده است كه نوزادان ، فقط 36 ساعته ، قادر به تفسیر برخی احساسات اساسی از چهره و ترجیحات هستند. در انسان های مسن ، این توانایی بسیار پیشرفته است و یکی از مهمترین مهارت ها را برای تعاملات اجتماعی و شغلی تشکیل می دهد. در واقع ، تصور بیان شوخ طبعی ، عشق ، قدردانی ، اندوه ، لذت بردن یا پشیمانی بدون حالت چهره دشوار است.

شرح پروژه:

پژوهش حاضر در رابطه با کشف احساسات نحصیلی دانش آموزان به کمک فناوری می باشد . دانش آموزان در 5 گروه 15 نفری تقسیم شدند و هر گروه طبق شرایط ویژه ای در معرض موقعیتهای مختلفی می بایست شادی، عصبانیت ، ترس و استرس ،ناامیدی وغم را تجربه می کنند و از طریق وب کم اطلاعات چهره آنها دریافت شده و توسط نرم افزار FaceReader این اطلاعات کاملا آنالیز شده است.

فایلی که خدمتتون به نام pv2 ارسال می شود اطلاعات فریم  به فریم فیلمهایی هست که از چهره دانش اموزان جمع آوری و تحلیل شده است . بعضی از صفات مانند حالت چشم .حالت بینی و…… در نظر گرفنه شده است. اطلاعات کلی است مربوط به 5 فیلم در 5گروه هست .

در این پروژه دو مورد بررسی شده:

 1- این اطلاعات خوشه بندی شده. پنج خوشه اصلی  برای تعیین 5 حالت happy;sad;angery;fear;diasguast تهیه شده . در هر کلاستر ، میزان ولیدیتی هرشاخص مشخص شده.

2- سپس داده هابراساس این 5 احساس،  طبقه بندی کرده ایم .

علاوه بر خروجی های عددی ، بصورت نموداری هم خروجی را تهیه کرده ایم .

• پروژه شبیه سازی مقاله کشف احساسات تحصیلی دانش آموزان با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده.
• فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.
• سفارش پروژه متلب

  درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.

  
  

  سفارش پروژه متلب