dc.contributor.advisor | Troussas, Christos | |
dc.contributor.author | Γεωργαράς, Στυλιανός | |
dc.date.accessioned | 2022-11-01T11:19:18Z | |
dc.date.available | 2022-11-01T11:19:18Z | |
dc.date.issued | 2022-10-11 | |
dc.identifier.uri | https://polynoe.lib.uniwa.gr/xmlui/handle/11400/3266 | |
dc.identifier.uri | http://dx.doi.org/10.26265/polynoe-3106 | |
dc.description.abstract | Στην παρούσα διπλωματική ερευνήθηκαν οι τεχνικές μηχανικής και βαθιάς μάθησης για την αναγνώριση συναισθημάτων στη περιοχή του προσώπου μέσω νευρωνικών δικτύων. Ο σκοπός της εργασίας ήταν η αυτόματη ανίχνευση των επτά αποδεκτών συναισθημάτων, όπως χαρά, λύπη, έκπληξη, ουδετερότητα, αηδία, φόβος και θυμός. Το εγχείρημα αυτό είχε στόχο την χρήση της πληροφορίας του συναισθήματος και την κατασκευή ειδικής εφαρμογής που ενσωματώνει το εκπαιδευμένο μοντέλο. | el |
dc.format.extent | 88 | el |
dc.language.iso | el | el |
dc.publisher | Πανεπιστήμιο Δυτικής Αττικής | el |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές | * |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση 4.0 Διεθνές | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | * |
dc.subject | Deep learning | el |
dc.subject | Computer vision | el |
dc.subject | Emotion recognition | el |
dc.subject | Neural networks | el |
dc.title | Αυτόματη ανίχνευση, ανάλυση και αναγνώριση συναισθημάτων | el |
dc.title.alternative | Automatic sentiment detection, analysis and recognition | el |
dc.type | Διπλωματική εργασία | el |
dc.contributor.committee | Tselenti, Panagiota | |
dc.contributor.committee | Μπαρδής, Γεώργιος | |
dc.contributor.faculty | Σχολή Μηχανικών | el |
dc.contributor.department | Τμήμα Μηχανικών Πληροφορικής και Υπολογιστών | el |
dc.description.abstracttranslated | In the present diploma thesis, we will explore various machine learning and deep learning techniques used in facial recognition of emotions through neural networks. The purpose of this thesis was the automatic recognition of the seven universal emotions; happiness, sadness, surprise, contempt, disgust, fear and anger. The work presented aimed at using the information behind emotions and creating a special application that implements the trained model. | el |