Repository logo
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
Repository logo
  • Communities & Collections
  • All of DSpace
  • English
  • Català
  • Čeština
  • Deutsch
  • Español
  • Français
  • Gàidhlig
  • Italiano
  • Latviešu
  • Magyar
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Suomi
  • Svenska
  • Türkçe
  • Tiếng Việt
  • Қазақ
  • বাংলা
  • हिंदी
  • Ελληνικά
  • Yкраї́нська
  • Log In
    New user? Click here to register.Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "BOUACHA ,Rami Ahmed Mokhtar"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Système de détection faciale des émotions avec CNN
    (Faculté des sciences, 2024) KRAIM ,Radji; BEN HADDAD, Aghiles; BOUACHA ,Rami Ahmed Mokhtar; Mazouzi , Smaine ; Lala Bouali, Yasmine
    Au cours des dernières décennies, la reconnaissance des émotions et l'informatique affective ont suscité un vif intérêt dans divers domaines de recherche. Les expressions faciales sont reconnues comme un moyen efficace pour identifier les caractéristiques distinctives du comportement humain et décrire les états émotionnels avec précision. Dans ce travail de Master, nous nous concentrons sur la détection des émotions humaines à partir de visages. Nous utilisons des réseaux de neurones à convolution (CNN) pour analyser le dataset FER2013 et identifier des émotions comme le bonheur, la tristesse, la colère, la surprise, le dégoût, la neutralité et la peur. Nos expérimentations sont menées sur les plateformes Spyder et Google Colab. Les CNN sont des architectures spécialisées dans la reconnaissance de formes visuelles. En plus de l'analyse théorique, nous avons développé un modèle innovant de détection d'émotions basé sur les CNN. Notre étude inclut une comparaison détaillée entre différentes architectures comme ResNet, VGG, FER-Model, SVM-CNN et Sequential-Model pour leur capacité à apprendre et reconnaître les émotions.

DSpace software copyright © 2002-2025 LYRASIS

  • Cookie settings
  • Privacy policy
  • End User Agreement
  • Send Feedback