Improved Deep CNN-based Two Stream Super Resolution and Hybrid Deep Model-based Facial Emotion Recognition

Ullah, Zia; Qi, Lin; Hasan, Asif; Asim, Muhammad

doi:10.1016/j.engappai.2022.105486

Cited by 17 publications

(2 citation statements)

References 26 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Facial emotion recognition using deep learning techniques has been an active area of research in computer vision and affective computing. Ullah et al, [56] have explored the use of deep convolutional neural networks (CNNs) such as VGGNet, ResNet, and InceptionNet, trained on largescale datasets like FER-2013, CK+, and JAFFE, [9][10][11][12]57] to achieve robust and accurate emotion recognition. Transfer learning techniques have been employed to fine-tune pre-trained models and leverage learned features from general image recognition tasks.…”

Section: An Analysis Of Prior Research In the Relevant Fieldmentioning

confidence: 99%

The Implementation of Transfer Learning by Convolution Neural Network (CNN) for Recognizing Facial Emotions

Anbananthan Pillai Munanday,

Norazlianie Sazali,

Arjun Asogan

et al. 2023

ARASET

View full text Add to dashboard Cite

The primary objective of this study is to develop a real-time system that can predict the emotional states of an individual who commonly undergoes various experiences. The primary methodology suggested in this research for detecting facial expressions involves the integration of transfer learning techniques that incorporate convolutional neural networks (CNNs), along with a parameterization approach that minimizes the number of parameters. The FER-2013, JAFFE, and CK+ datasets were jointly used to train the CNN architecture for real-time detection, which broadened the range of emotional expressions that may be recognized. The proposed model has the capability to identify various emotions, including but not limited to happiness, fear, surprise, anger, contempt, sadness, and neutrality. Several methods were employed to assess the efficacy of the model's performance in this study. The experimental results indicate that the proposed approach surpasses previous studies in terms of both speed and accuracy.

show abstract

Section: An Analysis Of Prior Research In the Relevant Fieldmentioning

confidence: 99%

The Implementation of Transfer Learning by Convolution Neural Network (CNN) for Recognizing Facial Emotions

Anbananthan Pillai Munanday,

Norazlianie Sazali,

Arjun Asogan

et al. 2023

ARASET

View full text Add to dashboard Cite

show abstract

“…В статьях [9][10][11][12][13] для выделения лицевых признаков при обработке изображений лица также используются вариации архитектуры сверточной нейронной сети.…”

Section: Introductionunclassified

Method for Detecting Suspicious Transactions of Banking Clients Based on Emotion Recognition System

2024

Cybersecurity Issues

View full text Add to dashboard Cite

Цель статьи: разработка метода выявления транзакций, совершенных клиентами, подвергнутыми воздействию мошенников с помощью методов социальной инженерии, на основе анализа видеоданных лица с использованием нейросетевых методов распознавания эмоций. Метод исследования: анализ современных нейросетевых моделей и подходов, используемых для решения задачи распознавания эмоций; анализ архитектур нейронных сетей, обрабатывающих видеоизображение или последовательность кадров; разработка и программная реализация метода обнаружения подозрительных транзакций с использованием искусственных нейронных сетей по видеоданным лица человека; экспериментальное исследование и оценка разработанного метода. Полученный результат: разработан метод выявления подозрительных транзакций, основанный на нейросетевых методах распознавания лицевых эмоций клиентов банка, подвергшихся воздействию злоумышленников. Реализована комбинированная структура нейронной сети с использованием архитектуры пригодной для обработки графической информации и информации, представленной во временной последовательности, для решения задачи распознавания эмоций. Создан программный прототип, позволяющий оценивать эмоциональное состояние наблюдаемого человека по видеоданным лица и способный определять нахождение человека в негативном эмоциональном состоянии. Были проанализированы результаты разработанного метода. Даны рекомендации по перспективам его применения и дальнейшим исследованиям данной темы. Научная новизна: предложен новый метод выявления подозрительных транзакций, основанный на решении задачи распознавания эмоций по видео с применением комбинации CNN и LSTM архитектур нейронных сетей.

show abstract

Multi-modal with Multiple Image Filters for Facial Emotion Recognition

Huynh

Nguyen

Pham

et al. 2023

Lecture Notes in Networks and Systems

View full text Add to dashboard Cite

Improved Deep CNN-based Two Stream Super Resolution and Hybrid Deep Model-based Facial Emotion Recognition

Cited by 17 publications

References 26 publications

The Implementation of Transfer Learning by Convolution Neural Network (CNN) for Recognizing Facial Emotions

The Implementation of Transfer Learning by Convolution Neural Network (CNN) for Recognizing Facial Emotions

Method for Detecting Suspicious Transactions of Banking Clients Based on Emotion Recognition System

Multi-modal with Multiple Image Filters for Facial Emotion Recognition

Contact Info

Product

Resources

About