В нашем проекте представлен искусственный интеллект способный распознавать эмоции учащихся для оценки качества образовательного процесса, а так же выявления детей, нуждающихся в психологической помощи. Существует интерфейс выбора видео, фото, строящий графиков, который анализирует эмоции сканируемых людей с точностью от 62,5 %.
Данный программнный продукт использует Yolo-V5 и RepVGG для обнаружения выражений лица и классификации эмоций (дополнительную информацию о том, как это работает, см. в архитектуре). Чтобы узнать, как использовать код, ознакомьтесь с разделом "Запуск продукта" использования для получения дополнительной информации.
- Установить все зависмости проекта из файла requirements.txt
- запустить testing_script.py
- Вставить в консоль путь до папки с видео
Реализована многопоточность, быстродействие, удобный вывод информации, экономия ресурсов заказчика, легко интегрируемая система.
В ходе реализации столкнулись с проблемой, предложенный data cet "FET 2013", имеющий размер 30 000 фотографий не достаточен для обучения модели. Поэтому была использована нейросеть, обученная на data set "AffectNET".
Для запуска продукта используется Python скрипт __init__.py
. В config.json прописываются пути
для папки с лицами и с видео (url ссылкой) на основе которого будет работать продукт. При открытии скрипта у вас есть несколько кпонок:
- Общая эмоция, при нажатии указываем путь к видео
- Эмоции человека, при нажатии
- Выход при нажатии закрывается окно
- Злость
- Отвращение
- Страх
- Радость
- Грусть
- Удивление
- Нейтральное состояние
Программный продукт состоит из двух частей распознавание лиц и распознавание эмоций
Это репозиторий является ответвлением ultralytics/Yolo-V5, так как код используется для классификации лиц. Подробнее о [Yolo-V5"]: https://github.com/ultralytics/yolov5 читайте здесь. Для обнаружения лиц модель была обучена на наборе данных WIDER FACE, который содержит 393 703 лица. Для получения дополнительной информации ознакомьтесь с документом здесь.
Этот репозиторий использует нейросеть RepVGG. Несмотря на то, что это основная модель, было бы разумнее разветвить репозиторий Yolo-V5, поскольку он был более сложным. Модель обучалась на наборе данных AffectNet, который содержит 420 299 выражений лица.