prikaz prve stranice dokumenta Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija
Access restricted to students and staff of home institution
master's thesis
Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija
2019. urn:nbn:hr:155:529393
Čustović, Adi
University of Dubrovnik
Faculty of Electrical Engineering and Applied Computing

Cite this document

Čustović, A. (2019). Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija (Master's thesis). Dubrovnik: University of Dubrovnik. Retrieved from https://urn.nsk.hr/urn:nbn:hr:155:529393

Čustović, Adi. "Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija." Master's thesis, University of Dubrovnik, 2019. https://urn.nsk.hr/urn:nbn:hr:155:529393

Čustović, Adi. "Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija." Master's thesis, University of Dubrovnik, 2019. https://urn.nsk.hr/urn:nbn:hr:155:529393

Čustović, A. (2019). 'Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija', Master's thesis, University of Dubrovnik, accessed 17 December 2024, https://urn.nsk.hr/urn:nbn:hr:155:529393

Čustović A. Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija [Master's thesis]. Dubrovnik: University of Dubrovnik; 2019 [cited 2024 December 17] Available at: https://urn.nsk.hr/urn:nbn:hr:155:529393

A. Čustović, "Primjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija", Master's thesis, University of Dubrovnik, Dubrovnik, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:155:529393

Please login to the repository to save this object to your list.
Metadata
TitlePrimjena tehnologija dubokog učenja u detekciji i klasifikaciji emocija
Title (english)The Application of deep learning technologies in detection and classification of emotions
AuthorAdi Čustović
MentorMario Miličević (mentor)
Committee memberMario Miličević (predsjednik povjerenstva)
Committee memberKrunoslav Žubrinić (član povjerenstva)
Committee memberAna Kešelj (član povjerenstva)
GranterUniversity of Dubrovnik
(Faculty of Electrical Engineering and Applied Computing)
Dubrovnik
Defense date and country2019-09-25, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Architecture of Computer Systems
Abstract
Rad govori o primjeni algoritama dubokog učenja u klasifikaciji emocija sa slika uz naglasak na konvolucijske neuronske mreže. Kod klasificiranja emocija sa slika, korišten je model emocija koji razlikuje 7 osnovnih univerzalnih emocija: ljutnju, gađenje, strah, sreću, neutralnu emociju, tugu i čuđenje. Model zaslužan za klasifikaciju emocija zasnovan je na arhitekturi konvolucijske neuronske mreže, a napisan je u programskom jeziku Python uz koristeći funkcije programske biblioteke Keras. Model je treniran na 28709 slika. Testiranje na prethodno neviđenom setu od 3589 slika je pokazalo točnost klasifikacije od nešto ispod 60% (oko 59.7%) što je relativno dobar rezultat kod tog problema. Područja strojnog učenja i računalnog vida su brzo rastuća područja umjetne inteligencije, ali još uvijek susreću mnoge probleme, ali s napretkom tehnologije, rezultati postaju sve bolji.
Abstract (english)
The paper discusses the application of deep learning algorithms in the classification of emotions from images with an emphasis on convolutional neural networks. In classifying emotions from images, a model of emotions that distinguishes 7 basic universal emotions: anger, disgust, fear, happiness (happy), neutral emotion, sadness (sad), and surprise was used. The emotion classification model is based on the convolution neural network architecture, and is written in Python using the Keras programming library. The model was trained on 28709 images. Testing on a previously unseen set of 3589 images showed a classification accuracy of just below 60% (about 59.7%), which is a relatively good result in terms of the given problem. Areas of machine learning and computer vision are rapidly growing areas of artificial intelligence, but they still face many problems, but with advances in technology, the results are getting better and better.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:155:529393
Study programmeTitle: Business Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsAccess restricted to students and staff of home institution
Terms of useLicence In copyright icon
Created on2019-10-10 08:42:41