× Αυτή είναι η προαιρετική κεφαλίδα Φόρουμ για το Κουτί Προτάσεων.

Τεχνικές µηχανικής μάθησης - Ανάλυση τηλεδιασκέψεων σε πραγματικό χρόνο (2020)

Περισσότερα
2 Εβδομάδες 1 Ημέρα πριν - 2 Εβδομάδες 1 Ημέρα πριν #96 από amd
Περίληψη:

Στην παρούσα διπλωματική εξετάζεται η ιδέα και η υλοποίηση μια εφαρμογής για ζωντανές τηλεδιασκέψεις, μέσω του περιηγητή ιστού, με ζωντανό βίντεο και ήχο. Αυτές έγιναν εφικτές μέσω του πρωτοποριακού πρωτοκόλλου, WebRTC, που διεύρυνε τους ορίζοντες των κατασκευαστών περιηγητών ιστού, εφόσον δεν υπήρχε μέχρι πρότινος. Επιπλέον, τα τελευταία χρόνια έχει αυξηθεί το ενδιαφέρον για τις εφαρμογές μηχανικής μάθησης και έχουν γίνει άλματα όσον αφορά την τεχνολογία και τις εφαρμογές της. Με την εξέλιξή τους, νέες ιδέες και υλοποιήσεις προτάσσονται για να βρεθεί τι είναι εφικτό και ποια είναι τα όρια τους. Στην παρούσα διπλωματική εργασία, μελετήθηκε και αναπτύχθηκε η δημιουργία Συνελικτικών Νευρωνικών Δικτύων, η χρησιμοποίηση έτοιμων προ-εκπαιδευμένων μοντέλων και η εφαρμογή τους πάνω στον κεντρικό πυρήνα, τις βιντεοδιασκέψεις.

Σκοπός της μηχανικής μάθησης είναι να δείξει στον συμμετέχοντα των βιντεοδιασκέψεων τα συναισθήματα των συμμετεχόντων σε ζωντανό χρόνο. Επειδή η εφαρμογή έχει σχεδιαστεί ώστε να εκτελείται σε περιηγητές ιστού, οι τεχνολογίες και ο τρόπος υλοποίησης αυτών αποτελεί μείζων ζήτημα στην επίτευξη ελκυστικού αποτελέσματος. Για αυτό τον σκοπό μέσα από την έρευνα που έγινε, χρησιμοποιήθηκαν εργαλεία όπως το OpenVidu, για την διαχείριση των χρηστών και των βιντεοδιασκέψεων, OpenCV για την αναγνώριση προσώπων στα βίντεο και TensorFlow, Caffe για την αναγνώριση συναισθημάτων. Η υλοποίηση έγινε κυρίως σε γλώσσα προγραμματισμού Javascript, με την χρήση της βιβλιοθήκης React, την γλώσσα προγραμματισμού Python για την εκπαίδευση των μοντέλων μηχανικής μάθησης και την ανάλυση τους σε ζωντανό χρόνο. Επιπλέον, έγιναν πειράματα σε διαφορετικές συσκευές για την εύρεση της διεκπεραιωτικότητας και τις ανάγκες της εφαρμογής, καθώς και διαφορετικές τοπολογίες και τρόπους λειτουργίας, για την ενσωμάτωσή της σε μελλοντικά σενάρια, όπως σε κατανεμημένα συστήματα και νεφοϋπολογιστική.


Εισαγωγή:

Ένα συναίσθημα καθορίζεται από την φυσιολογική και πνευματική κατάσταση ενός ατόμου. Είναι αποτέλεσμα πολλών εξαρτημένων μεταβλητών και εκφράζεται με πολλούς τρόπους. Όμως ο κάθε άνθρωπος δεν εκφράζεται με τον ίδιο τρόπο. Τα ανθρώπινα συναισθήματα εκφράζονται κατά 60% από τις εκφράσεις του προσώπου. Εφόσον τα συναισθήματα παίζουν μεγάλο ρόλο στην επικοινωνία, είναι επόμενο να ασχοληθεί η επιστήμη με την αναγνώρισή τους. Ενώ ένας άνθρωπος μπορεί να καταλάβει τα συναισθήματα ενός άλλου ανθρώπου, με βάση την φυσιογνωμικές αλλαγές της έκφρασης του προσώπου, είναι αρκετά πιο περίπλοκη υπόθεση για τον υπολογιστή. Έχουν γίνει πολλές έρευνες για την εξαγωγή αποτελεσμάτων πάνω σε συναισθήματα. Από αυτές ξεχωρίζουν, όσες χρησιμοποιούν Συνελικτικό Νευρωνικό Δίκτυο (Convolutional Neural Networks).

Αυτά είναι τα πιο αποτελεσματικά νευρωνικά δίκτυα για δεδομένα εικόνας και χρησιμοποιούνται συχνά και για δεδομένα ήχου. Αυτό συμβαίνει κυρίως επειδή τα δεδομένα εικόνας και ήχου αποτελούνται από τεράστιο όγκο πληροφοριών, είναι συνήθως θορυβώδη και έχουν πληροφορίες σχετικές με το περιβάλλον. Τα Συνελικτικό Νευρωνικό Δίκτυο, τα οποία είναι σύνθετα δίκτυα προώθησης πληροφορίας, είναι ικανά να δέχονται μεγάλα δεδομένα εισόδου, να εξάγουν αποτελεσματικά τα επιθυμητά χαρακτηριστικά και να αποτρέπουν την υπερβολική προσαρμογή τους στα δεδομένα εκπαίδευσης. Επομένως, τα Συνελικτικό Νευρωνικό Δίκτυο επιλέχθηκαν, για τα μοντέλα τους, μετά από σύγκριση με άλλες τεχνικές βαθιάς μάθησης όπως το Support Vector Machine (SVM).

Οι επιχειρήσεις που έχουν πελατειακή μορφή, τους είναι κρίσιμο να κατανοήσουν και να μετρήσουν την ικανοποίηση των πελατών τους για τα προϊόντα ή τις υπηρεσίες που προσφέρουν. Θέλοντας να κατανοήσουν τους πελάτες τους, χρησιμοποιούν δύο τρόπους σε κείμενο, είτε με την μορφή ερωτηματολογίου, είτε με την διατύπωση σχολίων. Επειδή, τα εργαλεία αυτά όμως, έχουν αποδειχθεί αρκετά δύσχρηστα και ο κόσμος κατά κόρον δεν τα χρησιμοποιεί, έχει τεθεί σε πειραματικό επίπεδο η μηχανική μάθηση. Αναγνωρίζοντας τα συναισθήματα των καταναλωτών, μέσω εικόνας, ήχου και συμπεριφοράς έχουν έρθει στο προσκήνιο νέες ιδέες για το πώς πρέπει να αντιμετωπίζεται η εξατομικευμένη πλέον εξυπηρέτηση των πελατών.

Συγγραφέας: Παπαδάκης Μιχαήλ - Υπ. Καθηγητής: Κυριαζής Δημοσθένης / Μενύχτας Ανδρέας - Πηγή: dione.lib.unipi.gr - Αρ. Σελίδων: 97

↳ Αρχείο λήψης: pdf - Μέγεθος: 1,06mb ↵

Παρακαλούμε Σύνδεση ή Δημιουργία λογαριασμού για να συμμετάσχετε στη συζήτηση.

Χρόνος δημιουργίας σελίδας: 0.098 δευτερόλεπτα
  • τι να πρωτοπούμε για αυτούς τους ανθρώπους? Επαγγελματίες, φιλικοί, εξυπηρετικοί αλλά πάνω απ'όλα ΓΝΩΣΤΕΣ!!! Ό,τι μα ό,τι τους έχω ζητήσει μπορούν και το ολοκληρώνουν. Πράγματα που άλλοι δεν είχαν την υπομονή να ολοκληρώσουν. Μπράβο παιδιά, τέτοια άτομα θέλουμε δίπλα μας
  • Έμεινα πολύ ευχαριστημένη από τις υπηρεσίες της και τη συνεργασία μας. Γι' αυτό αξίζει 5 αστέρια από μένα!
  • Dos.gr : Τεχνολογία εμπειρία, Εξυπηρέτηση Μοναδική, με πολλούς τρόπους, κάθε στιγμή, ό,τι κι αν χρειαστείς. Μια συνεργασία Πολλών χρώνων με Σταθερή αξία Σε ευχαριστούμε dos. gr για την τεχνοδοσία που μας παρέχεις είσαι ο Πρώτος souper ...!!!
  • Συνεργάζομαι με την Dos.gr περίπου 11χρόνια. Έχει τις καλύτερες τιμές και υπηρεσίες. Ακόμα έχει άμεση και πολύ καλή εξυπηρέτηση. Δεν είχα ποτέ μου πρόβλημα με κάποιον web server & radio server που είχα νοικιάσει και αν υπήρξε κάποιο πρόβλημα το έλυσαν αμέσως!!! Δεν θα άλλαζα την dos.gr για καμία άλλη εταιρεία ενοικίασης server ακόμα και αν μου έδιναν τους server μισοτιμής!!!

↳ Αυτήν τη στιγμή υπάρχουν σε όλο τον ιστότοπό μας 305 επισκέπτες ←