Al-Neama, Omar Mohammed Wajid2024-07-122024-07-122019Al-Neama, O. M. W. (2019). Smiling and non-smiling emotion detection using deep-learning as convolutional neural network / Kıvrımlı sinir ağı şeklinde derin öğrenme kullanarak gülümseyen ve gülümsemeyen duygu belirleme.https://hdl.handle.net/20.500.12415/3295Visual sensing and understanding are considered important among researchers. In this project, a novel technique is proposed to classify a detected human face into two classes in terms of face sentiment: smile or non-smile category. The methodology is started by detecting and segmenting only the face then followed by, resizing the image into the square matrix as Normalization process, then converting RGB to Gray-Scale as well as exploiting some image processing tool. The ROI is applied to the convolutional neural network (CNN) with 16 hidden layers to generate two nodes in the output layer. GENKI-4K database is used for the evolution, which contains 4000 challenged face images. In the experimental results, the accuracy of correct recognition rate with 4-Fold cross-validation has been recorded to be 91%.Araştırmacılar arasında görsel algılama ve anlama önemli görülmektedir. Bu projede, algılanan bir insan yüzünü yüz hissi açısından iki sınıfa sınıflandırmak için yeni bir teknik önerilmiştir: gülümseme veya gülümsememe kategorisi. Metodoloji, sadece yüzün algılanması ve bölümlenmesi, ardından görüntüyü Normalizasyon işlemi olarak kare matrise yeniden boyutlandırmak, ardından RGB’yi Gri-Ölçek’e dönüştürmek ve bazı görüntü işleme araçlarını kullanmaktır. ROI, çıkış katmanında iki düğüm oluşturmak için 16 gizli katmana sahip kıvrımlı sinir ağına (CNN) uygulanır. GENKI-4K veritabanı, 4000 tane zorlu yüz imgesi içeren evrim için kullanılmıştır. Deneysel sonuçlarda, 4 kat çapraz doğrulama ile doğru tanıma oranının doğruluğu % 91 olarak kaydedilmiştir.enCC0 1.0 Universalinfo:eu-repo/semantics/openAccessConference Object