Identification des états émotionnels via l’expression.
| dc.contributor.author | Lounes Alia | |
| dc.contributor.author | Mouloudj Nacera | |
| dc.date.accessioned | 2025-03-04T09:57:05Z | |
| dc.date.available | 2025-03-04T09:57:05Z | |
| dc.date.issued | 2023 | |
| dc.description | 84p .; ill .; 30cm . (CD-ROM) | |
| dc.description.abstract | Ce mémoire explore la reconnaissance des émotions faciales (FER) via des techniques de deep learning, en utilisant des réseaux de neurones convolutifs (CNN). Nous avons travaillé avec les bases de données JAFFE et CK+ pour entraîner notre modèle à identifier les sept émotions de base. Malgré les défis de précision et de fiabilité inhérents à la FER, notre modèle a atteint une précision de 96,21 % sur CK+ et 47,37 % sur JAFFE, démontrant ainsi l'efficacité des CNN pour cette tâche. Nous proposons d'élargir l'apprentissage du modèle avec d'autres bases de données pour améliorer sa généralisation et sa robustesse, contribuant ainsi à l'avancement des systèmes FER dans divers domaines. Pour évaluer nos classificateurs, nous avons utilisé des métriques telles que le taux de bonne classification, illustrant les performances variées de notre modèle sur différentes bases de données et sur les images téléchargées depuis Google. | |
| dc.identifier.citation | Système Embarqué | |
| dc.identifier.other | MAST.ELN.40-23 | |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/26888 | |
| dc.language.iso | fr | |
| dc.publisher | FGEI.UMMTO | |
| dc.subject | Facial expression Recognition | |
| dc.subject | Intelligence Artificielle | |
| dc.subject | Convolutional Neural Networks | |
| dc.subject | Machine learning | |
| dc.subject | Deep learning | |
| dc.subject | Convolution | |
| dc.subject | Pooling | |
| dc.subject | Rectified Linear Units | |
| dc.subject | Fully Connected. | |
| dc.title | Identification des états émotionnels via l’expression. | |
| dc.type | Thesis |