Facial Emotion Recognition using Convolutional Neural Network with Multiclass Classification and Bayesian Optimization for Hyper Parameter Tuning. 2022 (Engelska)Självständigt arbete på grundnivå (kandidatexamen), 10 poäng / 15 hpStudentuppsats (Examensarbete)

Abstract [en]

The thesis aims to develop a deep learning model for facial emotion recognition using Convolutional Neural Network algorithm and Multiclass Classification along with Hyper-parameter tuning using Bayesian Optimization to improve the performance of the model. The developed model recognizes seven basic emotions in images of human beings such as fear, happy, surprise, sad, neutral, disgust and angry using FER-2013 dataset.

Ort, förlag, år, upplaga, sidor

2022. , s. 43

Nyckelord [en]

Computing Methodologies, Machine Learning, Machine Learning Approaches, Convolutional Neural Network, Facial Emotion Recognition.

Nationell ämneskategori

Datavetenskap (datalogi)

Identifikatorer

URN: urn:nbn:se:bth-23359OAI: oai:DiVA.org:bth-23359DiVA, id: diva2:1677831

Ämne / kurs

DV1478 Kandidatarbete i datavetenskap

Utbildningsprogram

DVGDT Plan för kvalifikation till kandidatexamen inom datavetenskap 60,0 hp

Presentation

2022-05-23, Karlskrona, 08:15 (Engelska)

Handledare

Examinatorer

Tillgänglig från: 2022-07-01 Skapad: 2022-06-28 Senast uppdaterad: 2025-09-30Bibliografiskt granskad

Open Access i DiVA

Av organisationen

Institutionen för datavetenskap

I ämnet

Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle ScholarTotalt: 4583 nedladdningarTotalt: 1118 träffar