FerNeXt: التعرف على التعبيرات الوجهية باستخدام ConvNeXt مع انتباه القناة
{Omar El-Khashab; Alaa Hamdy; Ayman Mahmoud}
الملخص
ساهمت تقنية التعرف على التعبيرات الوجهية بشكل كبير في مجالات متعددة من الحياة، بدءًا من الرعاية الصحية والتعليم ووصولًا إلى التسويق والمبيعات. وقد أدى ذلك إلى بحوث واسعة في محاولة تحسين أساليب التعرف باستخدام التعلم العميق. وتهدف هذه الأساليب إلى دمج تقنيات متقدمة لاستخراج الميزات مع تحسين دقة التصنيف. في هذا البحث، تم اقتراح طريقة جديدة للكشف عن التعبيرات الوجهية تُعرف باسم (FerNeXt)، وهي مبنية على هيكل شبكة ConvNeXt الموجودة مسبقًا. وتم إدخال كتلة انتباه قناة فعالة (ECA) داخل هيكل ConvNeXt لتعزيز انتباه النموذج تجاه الميزات المهمة في القنوات. بالإضافة إلى ذلك، تم دمج دالة خسارة الترابط (Affinity loss function) بهدف تحسين فصل الفئات. وتم اختبار هذه الطريقة على مجموعتي بيانات كبيرتين: AffectNet وRAF-DB، لبيان قدرة التقنية المقترحة. وأظهرت النتائج أن النموذج المقترح يُظهر أداءً جيدًا، ويحقق دقة أعلى باستمرار، ويتفوق على أحدث الأساليب المُستخدمة في التعرف على التعبيرات الوجهية.
المعايير القياسية
| معيار قياسي | المنهجية | المقاييس |
|---|---|---|
| facial-expression-recognition-on-affectnet | FerNeXt | Accuracy (7 emotion): 64.77 |
| facial-expression-recognition-on-raf-db | FerNeXt | Overall Accuracy: 88.56 |
بناء الذكاء الاصطناعي بالذكاء الاصطناعي
من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.