Resumen

Reconocer expresiones faciales de manera precisa y efectiva es de gran importancia para campos médicos y otros. Con el objetivo de abordar el problema de la baja precisión en el reconocimiento facial en los métodos tradicionales, se propone un método mejorado de reconocimiento de expresiones faciales. El método propuesto realiza un entrenamiento de confrontación continuo entre la estructura del discriminador y la estructura del generador de las redes generativas adversariales (GANs) para garantizar una extracción mejorada de las características de imagen del conjunto de datos detectados. Posteriormente, se logra un reconocimiento de expresiones faciales de alta precisión. Para reducir la cantidad de cálculos, se mejora el generador GAN basado en la idea de la red residual. La imagen se reduce primero en dimensión y luego se procesa para garantizar la alta precisión del método de reconocimiento y mejorar el rendimiento en tiempo real. La parte experimental de la tesis utiliza los conjuntos de datos JAFEE, CK+ y FER2013 para la verificación de la simulación. El método de reconocimiento propuesto muestra ventajas evidentes

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Expresiones faciales; Método de reconocimiento; Redes generativas adversariales; Características de imagen; Conjunto de datos; Precisión
• Keywords:Facial expressions; Recognition method; Generative adversarial networks; Image features; Dataset; Accuracy