tacosdedatos

loading...
Cover image for Detección de emociones sin Redes Neuronales

Detección de emociones sin Redes Neuronales

Isaac Arroyo
Después de 4.5 años aprendiendo Física, me di cuenta que me gustan más los datos y Machine Learning. Documento y comparto mi aprendizaje en mis redes sociales (@unisaacarroyov, en Instagram y Twitter)
・1 min read

Mi última optativa de la carrera fue "Aprendizaje Profundo para Visión por Computadora", y aunque aprender sobre Redes Neuronales fue emocionante, la tarea/proyecto que más disfruté hacer fue Detección de emociones.

Este proyecto consistía en transformar un conjunto de imágenes de n×nn\times n píxeles en vectores de n2n^{2} componentes. Al final se contaba con un data frame de mm vectores y n2n^{2} atributos o features. Este conjunto de datos iba a ser con los que se iba a entrenar una Máquina de Soporte Vectorial (SVM).

Otra solución

Las imágenes eran de 64×6464\times 64 pixeles, por lo que eran un total de 4096 features, es decir, muchas.

Con una búsqueda en Google Scholar encontré un par de artículos que hablaban del desempeño de Máquinas de Soporte Vectorial para la clasificación de imágenes pero al ser procesadas por un feature descriptor llamado Histograms of Oriented Gradients (HOG) y un algoritmo de aprendizaje no supervisado llamado Principal Component Analysis (PCA)

El artículo se llama Facial Expression Classification Based on SVM, KNN and MLP Classifiers

Título del artículo: Facial Expression Classification Based on SVM, KNN and MLP Classifiers

Repositorio del proyecto

La Jupyter Notebook donde desarrollo todo el proceso (y escribo un poco más) esta en español, así que pueden clonar el repositorio experimentar con diferentes valores:

GitHub logo isaacarroyov / fer_without_ann

Machine Learning Project where the approach to a Facial Expression Recognition (FER) problem is with Classical Machine Learning Algorithms

Facial Expression Recognition (FER) without Artificial Neural Networks

SVM, PCA and HOG join forces to solve a Computer Vision problem.

Content

In this repository you can find the notebook and scripts used in the Medium post "Facial Expression Recognition (FER) without Artificial Neural Networks"

Data transformation HOG Descriptor class

Software requirements

If you want to replicate the code I recommend installing the following Python libraries:

Documentation of the code

Data manipulation

Data visualization

Image manipulation

Machine Learning




Discussion (0)