Facial Emotion Recognition using CNN in PyTorch

要約

このプロジェクトでは、カメラ画像からリアルタイムの顔の感情を認識するモデルを実装しました。
現在のアプローチでは、すべてのデータを読み取り、それをモデルに入力しますが、空間の複雑さが高くなります。
私たちのモデルは、PyTorch ライブラリを利用した畳み込みニューラル ネットワークに基づいています。
私たちは、私たちの実装により空間の複雑さが大幅に改善され、顔の感情認識に有益な貢献ができると信じています。
私たちのモチベーションは、特に CNN における深層学習について明確に理解し、実際のシナリオを分析することです。
したがって、ニーズを満たすように学習率、バッチ サイズ、エポック数などのモデルのハイパー パラメーターを調整しました。
さらに、アクティベーション関数、ドロップアウト、最大プーリングなど、ネットワークを最適化するための手法も使用しました。
最後に、2 つのオプティマイザーの結果を分析して、エポック数と精度の関係を観察しました。

要約(オリジナル)

In this project, we have implemented a model to recognize real-time facial emotions given the camera images. Current approaches would read all data and input it into their model, which has high space complexity. Our model is based on the Convolutional Neural Network utilizing the PyTorch library. We believe our implementation will significantly improve the space complexity and provide a useful contribution to facial emotion recognition. Our motivation is to understanding clearly about deep learning, particularly in CNNs, and analysis real-life scenarios. Therefore, we tunned the hyper parameter of model such as learning rate, batch size, and number of epochs to meet our needs. In addition, we also used techniques to optimize the networks, such as activation function, dropout and max pooling. Finally, we analyzed the result from two optimizer to observe the relationship between number of epochs and accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google