prikaz prve stranice dokumenta Detekcija emocija učenika za vrijeme školskog sata s fotografija
No public access
undergraduate thesis
Detekcija emocija učenika za vrijeme školskog sata s fotografija
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. urn:nbn:hr:168:976579
Dukić, David
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Dukić, D. (2019). Detekcija emocija učenika za vrijeme školskog sata s fotografija (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:976579

Dukić, David. "Detekcija emocija učenika za vrijeme školskog sata s fotografija." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:976579

Dukić, David. "Detekcija emocija učenika za vrijeme školskog sata s fotografija." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:976579

Dukić, D. (2019). 'Detekcija emocija učenika za vrijeme školskog sata s fotografija', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 29 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:976579

Dukić D. Detekcija emocija učenika za vrijeme školskog sata s fotografija [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2019 [cited 2024 November 29] Available at: https://urn.nsk.hr/urn:nbn:hr:168:976579

D. Dukić, "Detekcija emocija učenika za vrijeme školskog sata s fotografija", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:168:976579

Metadata
TitleDetekcija emocija učenika za vrijeme školskog sata s fotografija
Title (english)Emotion Detection of Pupils During Lecture From Photographs
AuthorDavid Dukić
MentorAna Sović Kržić (mentor)
Committee memberAna Sović Kržić (predsjednik povjerenstva)
Committee memberMatea Đonlić (član povjerenstva)
Committee memberLiljana Pushkar (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2019-07-12, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Detekcija emocija jedan je od težih problema računalnog vida. Psiholozi definiraju sedam osnovnih emocija, a to su: sreća, tuga, ljutnja, gađenje, strah, iznenađenje i prezir. Od tih emocija stvoren je reducirani skup emocija koji je primijenjen za detekciju emocija učenika na nastavi. Problem detekcije emocija rješava se algoritmima strojnog učenja za klasifikaciju. Odabrana su dva algoritma strojnog učenja: metoda potpornih vektora i algoritam šume slučajnih stabala. Skup podataka na kojem algoritmi uče i testiraju svoju uspješnost ručno je izrađen. Algoritmima je potreban vektor značajki za svaku fotografiju te pripadna oznaka emocije. Vektor značajki dobiven je pronalaskom bitnih obilježja lica, a oznake emocija ručno su dodijeljene. Metoda potpornih vektora korištena je kao osnovni algoritam za detekciju emocija. Dvije ključne ideje koje metoda potpornih vektora koristi su jezgreni trik te pronalazak potpornih vektora među primjercima vektora značajki. Potporni vektori definiraju granicu odluke. Rezultati dobiveni testiranjem algoritama za detekciju emocija analizirani su kroz matricu konfuzije i kroz stopu uspjeha koja predstavlja točnost.
Abstract (english)
Emotion detection is one of the most difficult problems in computer science. Psychologists have defined seven basic emotions: happiness, sadness, anger, disgust, fear, surprise and contempt. A reduced set of emotions has been created from these basic emotions. This reduced set has been used to detect the emotions of pupils during lecture. Emotion detection problem was solved by using machine learning classification algorithms. Two algorithms that have been chosen to detect emotions of pupils are: support vector machine and random forest classifier. These algorithms were trained and tested on handmade dataset. Classification algorithms need a vector of features for every photograph from the dataset and appropriate label of emotion. Every vector of features contains facial landmarks. Corresponding label for every vector of features was assigned by hand. Support vector machine uses two key ideas. The first idea is to find so-called support vector examples within a vector of features examples and use those examples to construct decision boundary. The second key idea is the kernel trick. Testing results were analysed with confusion matrix and a success rate that represents algorithm accuracy.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:976579
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2020-01-07 17:45:30