/9Weeks_Emotion_Recognition

Primary LanguageJavaScript

감정 분석 서비스 "Emotion Catcher"

광고 시청자의 감정을 분석하는 서비스

목차

1. 문제 정의

2. 환경 설정

3. 모델 이슈

4. 결과

문제 정의

  • 무엇을 해결하려 하는가?

    • 상품 출시 전, 소비자 반응을 리서치함으로써 광고의 반응을 사전조사.
    • 마케팅 효율성 증대 기대

  • 감성적인 컨텐츠가 마케팅에 효과가 있을까? image

    • Pringle, Hamish. Brand immortality: How brands can live long and prosper. Kogan Page Publishers, 2008.

  • 약 15% 광고 효과 증대를 기대할 수 있음

환경 설정

사용 도구
  • React
  • Jupyter
  • Tensorflow.JS
  • AmazonAWS
  • JavaScript
구조
  • 이슈
    • 사람의 얼굴 데이터는 민감한 정보로 취급됨
    • 서버로 얼굴데이터를 보내지 않고 사용자의 클라이언트에서 감정 분석 수행
    • 분석된 데이터를 서버에 전송 image

모델 이슈

  • 한국인 감정 얼굴 데이터

    • -> 양재 AI 허브에서 수집

  • 얼굴을 인식하는데 Xception이 탁월한 성능을 보임.

  • 유저의 로컬환경에서 모델이 진행되므로 보다 가벼운 모델이 이상적

  • Ver 1.

    • -> Mini Exception 사용
    • -> 정확도 약70% (기존 Xception과 유사)
    • -> Training 시간 1/5로 감소 image

  • Ver 2.

    • 사용자 컴퓨터 환경에 따른 두번째 버전
    • -> 가장 정확한 모델
    • -> Face Expression Model image

결과

  1. 메인페이지 image

  1. 영상 콘텐츠 제공 페이지 image

  1. 감정 분석 페이지 image

  1. 감정 분석 결과 페이지 image