| نوع مدرک: | متون چاپی |
| سرشناسه | کاظمی ، زکیه، نویسنده |
| رده‌بندی کنگره : | COM A 36 |
| عنوان : | تشخیص بلادرنگ چهره و احساسات کارمندان در محیط کار توسط شبکه¬های عصبی |
| عنوان موازی : | Real-time Recognition of Employees' faces and Emotions in the Workplace by Neural Networks |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1401 |
| صفحه شمار: | 63ص |
| شابک/شاپا | 24714 |
| یادداشت | پایان نامه کارشناسی ارشد: رشته مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیکز |
| شناسه افزوده : | کلینی ، مینا، استاد راهنما |
| توصیفگرها | تشخيص احساسات، هوش مصنوعي، شبكه عصبي، تشخيص چهره emotion recognition, artificial intelligence, neural network, face recognition. |
| چکیده : | اهمیت روزافزون تجارت مدرن و هوشمند، مدیران را ملزم به درک بهتر رفتار کارمندان در فرآیندهای کاری می‌کند. یکی از راه‌های درک بهتر رفتار کارمندان، ردیابی احساس کارمند در طول انجام وظایف است. از آنجایی که چهره یکی از مهم‌ترین کانال‌های ارتباط اجتماعی است، استخراج نشانه‌های بصری از چهره در طول تعاملات می‌تواند منبع ارزشمندی از اطلاعات در مورد کارمند باشد. مرحله مهم در این فرآیند، در ابتدا توانایی شناسایی کارمند (تشخیص چهره) و پس از آن، درک اینکه آیا او از این کار در لحظه لذت می¬برد یا نه (تشخیص حالت چهره) است. در این پایان¬نامه پیشنهاد می¬شود که تصاویر توسط وب¬کم در ساعت‌های مختلفی گرفته شود و بصورت بلادرنگ، احساسات کارمندان پردازش و ذخیره شوند. برای تشخیص چهره از مدل FaceNet که مبتنی بر یک شبکه عصبی عمیق است استفاده می¬شود و برای تشخیص احساسات، از یک کلاس بهینه از پیش آموزش دیده به نام مجموعه داده CK+ استفاده می¬شود. این مجموعه داده دارای 327 تصویر از 123 فرد است که می¬تواند هفت احساس اساسی انسان مانند: خشم، نفرت، ترس، شادی، غم، تعجب و خنثی را تشخیص و به کاربر نشان دهد. در این روش ابتدا تصویر توسط وب¬کم ثبت می¬شود سپس با استفاده از کتابخانه Dlib چهره در تصویر شناسایی می¬شود و بعد از آن توسط مدل FaceNetکه مبتنی بر تابع هزینه سه¬گانه است به تشخیص چهره می¬پردازد و در نهایت با استفاده از مجموعه داده گفته شده که این مجموعه داده برای ردیابی چهره از مدل ظاهر فعال و برای طبقه¬بندی احساسات از ماشین بردار پشتیبان استفاده می¬کند، به تشخیص احساسات می¬پردازد. به طور کلی دقت مدل پیشنهادی برابر با %1/96 است. بنابراین مطالعه پیشنهادی می‌تواند توسط تشخیص احساسات کارمندان با دقت بالا، کمک موثری در نظارت و تصمیم‌گیری مدیران برای رسیدن به اهداف مطلوبشان داشته باشد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=13780 |
| زبان مدرک : | فارسی |
مرتب سازی پالایش جستجو
