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 "Guetteche , Amani"

Now showing 1 - 1 of 1
Results Per Page
Sort Options
  • Loading...
    Thumbnail Image
    Item
    Une approche pour la détection des émotions à partir de l’expression faciale en utilisant la technologie Yolo v4
    (Faculté des Sciences, 2022) Guetteche , Amani ; Bouchareb , Chaima; Benoudina , Lazhar
    Aujourd'hui, la reconnaissance automatique des émotions s'avère être l'une des applications les plus pertinentes dans de nombreux domaines à savoir : Interaction homme-machine, psychologie, médecine, éducation, . . . etc. En plus, l'approche de deep Learning et plus particulièrement les réseaux de neurones convolutionels (CNN) ont connu un grand succès dans le domaine du traitement et de la reconnaissance d'images. Le but de ce travail est de rechercher et d'appliquer des algorithmes de détection des émotions d'apprentissage en profondeur pour suivi la productivité des employées, et les patients autistes. Nous nous sommes concentrés dans cette étude sur l'algorithme de détection d'objet YOLO, qui est une méthode largement reconnue et approuvée. Par conséquent, nous avons essayé de ré-entraîner le model YOLO sur des sous classes de la base de données. Nous avons obtenu des résultats très satisfaisants avec un taux de précision 86%, avec un aperçu qui reflète la grande supériorité de l'algorithme de détection d'objet YOLO en temps réel sur beaucoup d’autres modèles.

DSpace software copyright © 2002-2025 LYRASIS

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