گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” تشخیص ابراز احساسات به صورت غیر اردی در چهره ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
تشخیص ابراز احساسات غیر ارادی چهره |
| عنوان انگلیسی مقاله: |
Spontaneous Emotional Facial Expression Detection |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2006 |
| تعداد صفحات مقاله انگلیسی | 8 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
| گرایش های مرتبط با این مقاله | هوش مصنوعی |
| مجله مربوطه | مجله مولداوی – JOURNAL OF MULTIMEDIA |
| دانشگاه تهیه کننده | دانشگاه ایلینوی در اوربانا شامپاین، ایالات متحده آمریکا |
| کلمات کلیدی این مقاله | محاسبات هیجانی، حالات چهره، طبقه بندی یک کلاسه، تشخیص هیجانات |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت CiteSeerX |
| نشریه | CiteSeerX |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 20 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه نشده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1- مقدمه
II. کارهای مرتبط
III. داده های مصاحبه دلبستگی بزرگسالان
IV. ردیابی سه بعدی چهره
V. طبقه بندی یک کلاسه (ONE-CLASS CLASSIFICATION)
A. سفید کردن هسته Kernel Whitening
B. توصیف داده های بردار پشتیبانی (SVDD)
VI. آزمایشات
A. آماده سازی داده ها
B. شناخت
C. مقایسه بین یک طبقه بندی کننده های یک کلاسه و دو کلاسه
VII. نتیجه گیری
- بخشی از ترجمه:
VII. نتیجه گیری
پیشرفت در قدرت پردازش کامپیوتر و الگوریتم های در حال ظهور نشانگر راه های جدید پیش بینی تعامل کامپیوتر انسان (Human Computer Interaction) است. با تشخیص هیجانات خودکار، یک کامپیوتر می تواند به جای به پاسخ ساده به دستورات کاربر پاسخ مناسبی به حالت هیجانی او دهد. به این ترتیب، ماهیت تعاملات کامپیوتر اصیل تر، متقاعد کننده و معنی دار می شود. علاوه بر این، شناخت هیجانات خودکار می تواند تا حد زیادی بهره وری و عینیت از مطالعات مربوط به هیجانات انجام شده در آموزش و پرورش، روانشناسی و روانپزشکی بهبود بخشد.
در این مقاله ما به بررسی تشخیص حالات هیجانی چهره که در یک وضعیت واقعی گفتگوی انسان، مصاحبه دلبستگی بزرگسالان (AAI) رخ می دهد، پرداختیم. از آنجا که حالات غیر هیجانی چهره را توضیح مشخصی در مطالعات روانی ندارد و برای نمایش گران قیمت هستند، ما این تشخیص حالات هیجانی چهره را به عنوان یک مسئله طبقه بندی یک کلاسه تلقی می کنیم که به منظور توصیف داده های مورد نظر (یعنی حالات هیجانی چهره) و تشخیص آن ها از نقاط پرت (یعنی حالات غیر هیجانی چهره) می باشند. در کار ما از این مقاله، ما توصیف داده های تراکم گاوسی و توصیف داده های حمایت برداری را به کار گرفتیم، و عملکرد آن ها را مطابق با طبقه بندی کننده های دو کلاسه (طبقه بندی کننده گاوسی بیزی (Bayesian Gaussian) و طبقه بندی کننده حمایت برداری (support vector)) را مقایسه نمودیم. آزمایش های اولیه ما بر روی داده های AAI نشان می دهد که روش های طبقه بندی یک کلاسه می تواند به یک تعادل خوبی بین هزینه و عملکرد شناخت برسد.
- بخشی از مقاله انگلیسی:
VII. CONCLUSION Advances in computer processing power and emerging algorithms are providing new ways of envisioning Human Computer Interaction. With an automatic emotion recognizer, a computer can respond appropriately to the user’s affective state rather than simply responding to user commands. In this way, the nature of the computer interactions would become more authentic, persuasive, and meaningful. In addition, automatic emotion recognition can greatly improve the efficiency and objectivity of emotion-related studies in education, psychology and psychiatry. In this paper, we explored detecting emotional facial expressions occurred in a realistic human conversation setting—the Adult Attachment Interview (AAI). Because non-emotional facial expressions do not have distinct description in psychological studies and are expensive to represent, we treat this emotional facial expression detection as a one-class classification problem which is to describe target data (i.e. emotional facial expressions) and distinguish them from outliers (i.e. non-emotional ones). In our work of this paper, we apply Gaussian density data description and support vector data description, and compare their performance with corresponding two-class classifiers (Bayesian Gaussian classifier and support vector classifier). Our preliminary experiments on the AAI data suggest that one-class classification methods can reach a good balance between cost and recognition performance.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
تشخیص ابراز احساسات به صورت غیر اردی در چهره |
| عنوان انگلیسی مقاله: |
Spontaneous Emotional Facial Expression Detection |
|
|