TAILIEUCHUNG - Mô hình mạng nơ-ron tích chập thể nhẹ dựa trên kiến trúc Densenet cho nhận dạng biểu cảm khuôn mặt và ứng dụng hỗ trợ đánh giá quá trình học tập trực tuyến

Bài báo này đề xuất một mô hình CNN thể nhẹ dựa trên kiến trúc kết nối dày đặc của mô hình DenseNet với độ phức tạp vừa phải nhưng vẫn đảm bảo chất lượng và hiệu quả cho nhận dạng cảm xúc trên khuôn mặt. | 1 LIGHTWEIGHT DENSE-BASED CNN MODEL FOR FACIAL EXPRESSION RECOGNITION AND APPLICATION FOR ONLINE LEARNING EVALUATION Dương Thăng Long Đỗ Thị Thu Hà Trần Văn Nam Ngày tòa soạn nhận được bài báo 04 10 2022 Ngày nhận kết quả phản biện đánh giá 04 04 2023 Ngày bài báo được duyệt đăng 28 04 2023 Tóm tắt Mạng nơ-ron tích chập CNN được áp dụng cho nhận dạng cảm xúc trên khuôn mặt đang được quan tâm nghiên cứu của nhiều tác giả với những kết quả rất khả quan và có các ứng dụng thành công. Các mô hình CNN hiện đại được thiết kế với các kiến trúc đa dạng như VGG ResNet Xception EfficientNet DenseNet và các biến thể của chúng được áp dụng rộng rãi cho các bài toán nhận dạng hình ảnh trong đó có nhận dạng biểu cảm khuôn mặt. Tuy nhiên các mô hình này có độ phức tạp khá lớn đối với một số ứng dụng trong thực tế hạn chế về tài nguyên tính toán. Bài báo này đề xuất một mô hình CNN thể nhẹ dựa trên kiến trúc kết nối dày đặc của mô hình DenseNet với độ phức tạp vừa phải nhưng vẫn đảm bảo chất lượng và hiệu quả cho nhận dạng cảm xúc trên khuôn mặt. Chúng tôi cũng thiết kế tích hợp mô hình này với hệ thống LMS nhằm hỗ trợ ghi nhận và đánh giá quá trình học tập trực tuyến của người học. Mô hình đề xuất được thử nghiệm để đánh giá trên một số bộ dữ liệu phổ biến kết quả cho thấy mô hình đem lại hiệu quả và có thể được sử dụng trong thực tế. Từ khoá Mạng nơron tích chập kiến trúc mạng DenseNet nhận dạng biểu cảm khuôn mặt hệ thống quản lý học tập trực tuyến. Abstract Convolutional neural networks CNN for facial emotion recognition FER are being studied by many authors with very positive results and successful applications. State- of-the-art CNN models with diverse architectures such as VGG ResNet Xception EfficientNet and DenseNet and their variations are widely applied to many image recognition problems Trường Đại học Mở Hà Nội Trường THPT Trần Nhân Tông Hà Nội IT-VNEH Vietnam National Eye Hospital 2 including FER. However these models have considerable complexity for some real-world

• Quản trị mạng
• Mô hình mạng nơ ron tích chập
• Kiến trúc Densenet
• Nhận dạng biểu cảm khuôn mặt
• Đánh giá quá trình học tập trực tuyến
• Hệ thống quản lý học tập trực tuyến
• Thị giác máy tính
• Nhận diện khuôn mặt
• Mạng nơ ron tích chập
• Mạng nơ ron tích chập xếp chồng
• Mô hình FaceNet
• Thuật toán đặc trưng khuôn mặt
• Mạng nơron tích chập đa nhiệm
• Nhận dạng khuôn mặt
• Mô hình CNN đa nhiệm
• Hàm kích hoạt
• Mạng nơron tích chập
• Huấn luyện CNN
• Phương pháp học sâu
• Hàm Leaky ReLU
• Mô hình mạng nơron
• Mô hình phân tách giọng hát
• Hỗn hợp âm nhạc
• Phép biến đổi Fourier
• Tín hiệu giọng hát
• Mô hình mạng Faster R CNN
• Nhận dạng hình ảnh thực phẩm
• Kiến trúc mạng AlexNet
• Kiến trúc mạng VGGNet
• Pin mặt trời
• Hình ảnh điện phát quang
• Véctơ hỗ trợ máy học
• Mô hình deep learning
• Máy học vector hỗ trợ
• Mạng nơron tích chập học sâu
• Phân loại ảnh sâu bệnh
• Mô hình mạng EfficientNet
• Xác minh chữ ký
• Bài toán xác minh chữ kí
• Mô hình học sâu
• Mạng song song
• Phân loại nhị phân
• Nhận dạng gai động kinh
• Các dạng sóng nhọn
• Tín hiệu điện não đồ
• Bệnh nhân động kinh
• Mật độ khoáng xương
• Hệ hỗ trợ chẩn đoán loãng xương
• X quang cổ xương đùi
• Chỉ số SINGH
• Mô hình mạng nơron tích chập
• Hệ thống camera giám sát
• Dịch vụ lắp đặt camera
• Định vị đối tượng trong một camera
• Mô hình bản đồ 2D
• Tra cứu ảnh dựa vào nội dung
• Học biểu diễn
• Học đa tạp
• Bản đồ phân vùng trượt lở đất
• Rừng ngẫu nhiên
• Thuật toán rừng ngẫu nhiên
• Tính nhạy cảm trượt lở