Anàlisi d’emocions multitasca
L’anàlisi i detecció d’emocions és un dels camps més estesos de la visió per ordinador, però també de l'anàlisi de veu i text. Disposa de múltiples camps d’aplicació, com la robòtica domèstica o la comprensió d'escenes de vídeo a grans plataformes, i és un camp on interseccionen diferentes...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/151813 |
| Acceso en línea: | http://hdl.handle.net/10609/151813 |
| Access Level: | acceso abierto |
| Palabra clave: | detecció d’emocions aprenentatge profund xarxes neuronals emotion detection deep learning neural networks detección de emociones aprendizaje profundo redes neuronales Deep learning -- TFM Aprenentatge profund -- TFM |
| Sumario: | L’anàlisi i detecció d’emocions és un dels camps més estesos de la visió per ordinador, però també de l'anàlisi de veu i text. Disposa de múltiples camps d’aplicació, com la robòtica domèstica o la comprensió d'escenes de vídeo a grans plataformes, i és un camp on interseccionen diferentes ciències que tracten d’unir forces per tal d’obtenir-ne aplicacions vàlides, atès que disposa de diverses aplicacions, ja sigui per a medicina, salut, detecció de fatiga, monitoratge, aprenentatge en línia, oci, detecció de mentides o per a aplicacions legals, entre d’altres. Existeixen diferents maneres d’encarar la detecció d’emocions. Entre les més emprades es troben el reconeixement d'emocions bàsiques, l’estimació de l’afecte continu i la detecció d’unitats facials. Una de les formes d’aproximació els darrers anys s'ha basat en utilitzar combinacions d’aquestes per tal de millorar-ne els resultats, emprant tècniques multitasca. L’objectiu d’aquest treball és crear un o més models de detecció d’emocions multitasca que puguin millorar o bé equiparar-se als de l’estat de l’art actuals. Al llarg d’aquest, es pot veure com és avaluat l’estat de l’art en la matèria i, mitjançant un cas d’èxit, s’hi apliquen millores diverses per tal d’obtenir un model amb un rendiment superior. Les millores seran fonamentades en les dades disponibles als treballs i se’n realitzarà un estudi exhaustiu dels resultats d’aquestes. Al final del treball es pot veure com s’aconsegueix obtenir una millora en els resultats per un dels experiments realitzats, assolint un model que podria rivalitzar amb els millors classificats a la setena entrega de l’ABAW. |
|---|