Apakah prinsip aplikasi analisis emosi dan sentimen AI dalam penglihatan komputer?

Kecerdasan buatan afektif, juga dikenali sebagai pengkomputeran afektif, ialah teknologi analisis penglihatan komputer yang menganalisis emosi peribadi dan keadaan emosi melalui pengesanan emosi muka dan penilaian emosi data visual. Ia membantu kami memahami emosi manusia dan mempunyai aplikasi dalam pelbagai bidang seperti kesihatan mental, penyelidikan pasaran dan pendidikan.

Analisis Emosi Visual (VEA) ialah tugas mencabar yang bertujuan untuk merapatkan jurang emosi antara piksel tahap rendah dan emosi tahap tinggi. Walaupun menghadapi banyak kesukaran, analisis sentimen visual mempunyai potensi besar, kerana memahami emosi manusia adalah penting untuk mencapai kecerdasan buatan yang berkuasa. Dalam tahun-tahun kebelakangan ini, perkembangan pesat rangkaian neural konvolusi (CNN) telah menjadikan pembelajaran mendalam sebagai pilihan baharu untuk analisis sentimen. Melalui CNN, kami boleh memanfaatkan keupayaan pengekstrakan ciri termaju dan keupayaan pembelajaran penyesuaian untuk menangkap maklumat emosi dalam imej. Pendekatan ini dijangka meningkatkan ketepatan dan kecekapan analisis sentimen dan meletakkan asas untuk sistem penglihatan komputer yang lebih pintar. Walaupun cabaran semasa masih wujud, analisis emosi visual akan menjadi hala tuju penyelidikan yang penting dalam bidang penglihatan komputer dalam masa terdekat.

Cara analisis emosi kecerdasan buatan berfungsi

Aplikasi emosi kecerdasan buatan atau sistem penglihatan termasuk langkah-langkah berikut:

1 Dapatkan bingkai imej daripada sumber kamera 🜎,

; ubah saiz, putar, pembetulan warna;

3. Gunakan model CNN untuk mengekstrak ciri-ciri penting;

Asas Pengecaman Emosi AI

Pengesanan Wajah dalam Imej dan Video

Gunakan kamera atau rakaman video untuk mengesan dan mengesan wajah. Koordinat kotak sempadan digunakan untuk menunjukkan lokasi muka yang tepat dalam masa nyata. Tugas pengesanan muka kekal mencabar dan pengesanan semua muka dalam imej input yang diberikan tidak dijamin, terutamanya dalam persekitaran yang tidak terkawal dengan keadaan pencahayaan yang mencabar, pose kepala yang berbeza, jarak jauh atau oklusi .

Pemprosesan Imej

Apabila wajah dikesan, data imej dioptimumkan sebelum dimasukkan ke dalam pengelas emosi. Langkah ini sangat meningkatkan ketepatan pengesanan. Prapemprosesan imej biasanya termasuk berbilang sub-langkah untuk menormalkan perubahan pencahayaan, pengurangan hingar, pelicinan imej, pembetulan putaran imej, saiz semula imej dan pemangkasan imej.

Klasifikasi Emosi Model AI

Selepas prapemprosesan, ciri-ciri yang berkaitan diambil daripada data praproses yang mengandungi muka yang dikesan. Terdapat pelbagai cara untuk mengesan banyak ciri muka. Contohnya, unit tindakan (AU), pergerakan titik ciri muka, jarak antara titik ciri muka, ciri kecerunan, tekstur muka, dsb.

Biasanya, pengelas yang digunakan untuk pengecaman emosi AI adalah berdasarkan mesin vektor sokongan (SVM) atau rangkaian neural konvolusi (CNN). Akhir sekali, wajah yang dikenali diklasifikasikan berdasarkan ekspresi muka mereka dengan memberikan kategori yang dipratakrifkan.

Apakah emosi yang boleh dikesan oleh penglihatan komputer?

Emosi atau ekspresi emosi yang boleh dikesan oleh model AI bergantung pada kategori yang dilatihnya. Kebanyakan pangkalan data emosi mempunyai emosi berikut:

marah

jijik

takut

kegembiraan
• kesedihan
• kejutan

Atas ialah kandungan terperinci Apakah prinsip aplikasi analisis emosi dan sentimen AI dalam penglihatan komputer?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!