การเพิ่มประสิทธิภาพการวิเคราะห์การแสดงออกทางสีหน้าโดยใช้ FaceNet Framework และ SVM Classifier

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาโมเดลการวิเคราะห์การแสดงออกทางสีหน้าโดยใช้ FaceNetFramework และ SVMClassifier และเพิ่มประสิทธิภาพการวิเคราะห์การแสดงออกทางสีหน้าด้วยการปรับแต่งพารามิเตอร์ใน SVM การศึกษานี้ใช้ชุดข้อมูล FER-2013 และข้อมูลใบหน้าที่ถูกจำลองจากแอปพลิเคชันต่าง ๆ สำหรับการฝึกอบรมและการทดสอบโมเดล ใช้ MTCNN ในการตรวจจับและตัดภาพใบหน้า และดึงคุณลักษณะสำคัญของใบหน้าด้วย FaceNetFramework จากนั้นใช้ SVM ในการจำแนกประเภทการแสดงออกทางสีหน้า พารามิเตอร์ใน SVM (C,kernel และ gamma) ได้รับการปรับแต่งโดยใช้ GridSearchCV และ BayesSearchCV เพื่อปรับปรุงกระบวนการค้นหาและเพิ่มความแม่นยำของโมเดล ผลการศึกษาพบว่าวิธีการที่เสนอนี้สามารถเพิ่มประสิทธิภาพการวิเคราะห์การแสดงออกทางสีหน้าได้อย่างมีนัยสำคัญ โดยการทดสอบ t-test พบว่าค่าความแม่นยำของโมเดลที่ปรับปรุงแล้วนั้นสูงขึ้นทางสถิติ (p-value<0.05) เมื่อเปรียบเทียบกับค่าพารามิเตอร์เริ่มต้น โมเดลนี้สามารถนำไปใช้ในงานที่เกี่ยวข้องกับการวิเคราะห์ใบหน้าในอนาคต เช่น การตรวจจับความเครียด การวิเคราะห์อารมณ์ในสภาพแวดล้อมการทำงาน และการพัฒนาระบบการเรียนรู้ที่ตอบสนองต่ออารมณ์ของผู้ใช้