Proje 1 Meryem Özlem AYDOĞAN
~~Model içeriğinden:
1.1 Projenin Amacı:
Derin öğrenme ile yüz görüntülerinden duygu analizini tespit eden program projesi; insan�bilgisayar etkileşimi, duygusal hesaplama gibi birçok bilgisayarlı görü alanında uygulanabilen bir araştırma konusudur. Projede, kullanıcı tarafından belirlenen görseldeki yüzün, derin öğrenme yöntemleri ile duygu analizinin yapılması amaçlanmıştır. Duygu analizi için derin öğrenme algoritmalarında olan Convolutional Neural Networks (CNN) yapısı kullanılarak sistem modeli geliştirilmiştir. Oluşturulan bu sistem modeli, veri kümesine uygulanmış ve maksimum doğruluk başarısı elde edilmiştir. Yapılan farklı deneyler sayesinde, karşılaştırma desteği sunulmuş, tahmin oranları ölçülmüş ve optimal olan değer aralıklarının belirlenmesi esas alınmıştır. Projenin amacı, sürekli gelişim göstererek güncel olan araştırma konusu üzerinde çalışmak ve gelişime farklı bakış açıları kazandırarak katkıda bulunmaktır.
2.PROJE İÇERİĞİ VE KAPSAMI:
Son zamanlarda yüz tanıma ve algılama sistemleri birçok ticari, askeri, güvenlik, sosyal ve psikolojik uygulamalarda sıkça kullanılmaktadır. Yapılan analizler; insan yüzlerinin hareketlerinin tanımlanmasını ve yorumlanmasını içermektedir. İnsanlar tarafından bile zor analiz edilebilen duygusal ifadeler bilgisayar ortamında test edilip belirlenmesinin kolaylık sağlayacağının düşünülmesi derin öğrenme alanına popülerlik kazandırmıştır. Bu bağlamda bilgisayarlı görü alanına da değinilmelidir. Bilgisayarlı görü, günümüzde yüz ve duygu sınıflandırma alanlarında yaygın olarak kullanılmaktadır. Yüz tanıma, görüntü veya videolardan elde edilen verilerdeki kişilerin otomatik olarak tanımlanması veya doğrulanması işlemidir. Proje kapsamı boyunca yapılan eklemeler sonucu revize edilen modelin başarı oranı ve kullanılabilirliği doğru orantılı şekilde artış gösterdiği çizilen grafikler yardımıyla gözlenmiştir. Öznitelik çıkarımı için derin öğrenme tekniklerinden biri olan ve yapay sinir ağları içeren bir yaklaşım olan Evrişimli Sinir Ağları (ESA-CNN) kullanılarak yeni bir model geliştirilmiştir. Model eğitimi için yaygın olarak kullanılan kombinasyonlar son çalışmalarda test edilmiş ve sınıflandırma algoritmalarının gösterdikleri başarım sonuçlarına etkisi incelenmiştir. Değerlendirmeler yapılarak, iyi performans gösteren sınıflandırma algoritması ve gerçek zamanlı evrişimli sinir ağları mimarisi kullanılarak, yüz görsellerinden duygu sınıflandırması işlemi eş zamanlı olarak gerçekleştiren proje ortaya çıkarılmıştır.
3.1 Proje Kapsamında Kullanılan Teknolojiler, Platformlar ve Diller:
Proje uygulamasının gelişimi, derin öğrenme yöntemi ile gerçekleştirilmiştir. Uygulama modeli ise toplam 9 katmanlı sinir ağından oluşmaktadır. Uygulama, Google Colaboratory ve Visual Studio Code platformlarında tasarlanmıştır. Colaboratory, derin öğrenme ve makine öğrenimi modellerinin GPU üzerinden geliştirilebildiği ücretsiz bulut servisidir. Modelin eğitiminin hızlıca gerçekleştirilip çıktılar vermesi, içinde bulunan hazır Python kütüphaneleri sebebiyle ek indirmelere gerek duymaması ve kolay kullanım desteği sağladığı için seçilmiştir. Colaboratory üzerinde ise, Keras ve TensorFlow Python kütüphaneleri kullanılmıştır. Visual Studio Code platformu ise modelin test edilip, doğruluk oran sonuçlarının seçilen görselle birlikte grafiksel olarak gösterileceği arayüze bağlantı sağlaması için tercih edilmiştir. Modelin oluşturulması, kütüphanelerin kurulumu, eklenti desteklerinin sağlanması ve arayüz bağlantılarının kurulması dahil her işlem Python programlama dili kullanılarak geliştirilmiştir.
3.2 Altyapı, Donanım ve Yazılım Özellikleri:
Derin öğrenmenin yüksek başarımı için kaliteli bir veri setine ihtiyaç duyulmaktadır. Bu sebeple, eğitim ve test performansının yüksek olarak ölçüldüğü veri setlerine bakılmalı ve uygun olan set seçilmelidir. Çalışmada, fer2013 veri seti kullanılarak derin öğrenme ile duygu tanımaya yönelik bir proje geliştirilmiştir. Fer2013 veri seti duygu tespit projesindeki ihtiyacı karşılamaktadır. Fer2013 veri setinde toplam 35887 görüntü bulunmaktadır. Görüntülerin 28709 tanesi eğitim, 7178 tanesi ise Public ve Private testler için ayrılmıştır. Public testler model bitirildikten sonraki başarım oranını test etmek için kullanılırken, Private testler ise veri setindeki görsellerden bir kısmını "PrivateTest" olarak ayırır ve daha sonra test etmek için kullanılır. Proje için kullanılan görsellerin teknik detayları bu veri seti sayesinde incelenebilmektedir. Böylece kolonlarda kullanılan veri setindeki örneklerin kaç gruba ayrıldığı görülebilir ve set içindeki alanlara veri görselleştirilmesi uygulanabilmektedir. Kullanılan veri seti 35887 satır ve 3 kolondan oluşmaktadır. Bu veri setinde yedi duyguyu tespit etmeye yönelik resimler bulunmaktadır. Bu duygular kızgın (4593 tane), iğrenme (547 tane), korku (5121 tane), mutlu (8989 tane), üzgün (6077 tane), şaşırma (4002 tane), nötr (6198 tane) dur. Görsellerin yapısı fonksiyonlar yardımı ile 48x48 boyutunda ve gri tonlarında olacak şekilde düzenlenmiştir. Model içeriğindeki görsellerle ayrı ayrı eğitim gerçekleştirilerek geliştirilen yeni model test edilmiştir. Model ile gerçekleştirilen çalışmada, her bir veri setinde yedi farklı duygu sınıfı (korku, öfke, iğrenme, mutluluk, nötr, üzüntü, şaşırma) ele alınmıştır.
Kaynak kodlar dosya içeriklerinde detaylıca ele alınmıştır. Gerekli iyileştirmeler yapıldığında güncellenecektir. Herhangi bir sorunuz veya projede gerekli gördüğünüz revizeler için iletişime geçebilirsiniz. Kendimi geliştirmek için her zaman açığım.
**Arayüz ekranında seçilen görüntünün duygu analiz sonuçları: **
