تقدم ورقة البحث نهجًا مبتكرًا للتعرف على مشاعر الوجه (FER) من خلال تطوير شبكة تلافيفية عميقة مضادة للتشويش (AA-DCN). يتناول هذا النموذج التحديات الكامنة في FER، مثل التغيرات في تعبيرات الوجه، والاحتجاب، وظروف الإضاءة، التي غالبًا ما تؤثر على جودة الصورة. يكتشف نموذج AA-DCN بنجاح ثمانية مشاعر مميزة وتم تقييمه على ثلاثة مجموعات بيانات: مجموعة…

تتناول هذه الدراسة التحديات المتعلقة بالتعرف على مشاعر الوجه (FER) من خلال استخدام مجموعة بيانات Emognition، التي تشمل عشرة مشاعر متميزة: المتعة، الدهشة، الحماس، الإعجاب، المفاجأة، الغضب، الاشمئزاز، الخوف، الحزن، والمحايد. تستخدم البحث تقنيات التعلم العميق، وبالتحديد الشبكات العصبية التلافيفية (CNNs)، لتصنيف هذه المشاعر. تم تنفيذ خط أنابيب شامل لمعالجة البيانات لتحويل بيانات الفيديو إلى…

تتناول ورقة البحث الدور المهم للتعرف على المشاعر في تقييم حالات المرضى والتنبؤ بنتائج الصحة المستقبلية. تواجه الطرق التقليدية، وخاصة تلك التي تعتمد على تعبيرات الوجه، تحديات بسبب إمكانية إخفاء المشاعر. لمعالجة ذلك، تستكشف الدراسة استخدام إشارات تخطيط الدماغ الكهربائي (EEG)، التي تقدم وسيلة أكثر موثوقية لاكتشاف المشاعر. ومع ذلك، تكافح الأساليب التقليدية في التعلم…

تقدم هذه الورقة نسخة محسنة من شبكة MobileNetV2 العصبية، تُسمى I-MobileNetV2، تهدف إلى معالجة قيود الشبكات العميقة التلافيفية الحالية، لا سيما في سياق التعرف على مشاعر الوجه. يحتفظ النموذج المقترح بخصائص التلافيف العميقة القابلة للفصل من MobileNetV2، مما يقلل من المتطلبات الحاسوبية مع الحفاظ على هيكل خفيف الوزن. تشمل الابتكارات الرئيسية آلية دمج عكسية للحفاظ…