Classificação de emoções a partir de expressões faciais com deep learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UCS |
Texto Completo: | https://repositorio.ucs.br/11338/11978 |
Resumo: | Saúde mental é um assunto que está cada vez mais em alta, sendo de suma importância conhecer e falar sobre. Problemas como estresse, ansiedade e depressão são considerados como as doenças do século, afetando cada vez mais pessoas ao redor do mundo. Identificar e tratar tais transtornos é expressamente necessário já que, em casos graves como o da depressão, podem levar até mesmo ao suicídio. Em uma sala de aula, a situação não é diferente, a dificuldade de aprendizado, desmotivação e medo de não conseguir corresponder as expectativas, são apenas alguns exemplos do que pode levar um estudante a desenvolver um problema de saúde mental. Estudantes com estados emocionais negativos têm maior dificuldade de aprendizado, o que impacta no seu rendimento escolar e pode piorar ainda mais seu emocional, se tornando um ciclo vicioso. Identificar emoções em sala da aula pode ajudar na identificação de dificuldades de aprendizagem. Neste contexto, sistemas de diagnóstico, baseados em aprendizado de máquina (machine e deep learning), têm sido usados para identificar casos de ansiedade, angústia e depressão. Tais diagnósticos são possíveis por meio da obtenção de modelos de classificação, utilizando mecanismos de aprendizado. Como exemplo, um modelo baseado em uma arquitetura de deep learning, que identifique e classifique as emoções dos estudantes, pode ajudar o professor com feedback sobre sua aula. Para fins deste trabalho de conclusão, objetiva-se conceber e implementar um modelo de classificação baseado em métodos deep learning para a classificação de emoções por meio de imagens de faces humanas. Esta seria a primeira etapa para o desenvolvimento de um sistema que possa inferir dificuldades no aprendizado em sala de aula, possibilitando assim ao educador abordar novas estratégias de ensino que possam melhorar o desempenho da turma e seus estados emocionais. [resumo fornecido pelo autor] |
id |
UCS_d11dde65e5bbfb17df8d844179b9a3f9 |
---|---|
oai_identifier_str |
oai:repositorio.ucs.br:11338/11978 |
network_acronym_str |
UCS |
network_name_str |
Repositório Institucional da UCS |
repository_id_str |
|
spelling |
Guerra, CarolineBoff, ElisaAdami, André GustavoWebber, Carine Geltrudes2023-05-17T17:37:43Z2023-05-17T17:37:43Z2022-12-102022-11-28https://repositorio.ucs.br/11338/11978Saúde mental é um assunto que está cada vez mais em alta, sendo de suma importância conhecer e falar sobre. Problemas como estresse, ansiedade e depressão são considerados como as doenças do século, afetando cada vez mais pessoas ao redor do mundo. Identificar e tratar tais transtornos é expressamente necessário já que, em casos graves como o da depressão, podem levar até mesmo ao suicídio. Em uma sala de aula, a situação não é diferente, a dificuldade de aprendizado, desmotivação e medo de não conseguir corresponder as expectativas, são apenas alguns exemplos do que pode levar um estudante a desenvolver um problema de saúde mental. Estudantes com estados emocionais negativos têm maior dificuldade de aprendizado, o que impacta no seu rendimento escolar e pode piorar ainda mais seu emocional, se tornando um ciclo vicioso. Identificar emoções em sala da aula pode ajudar na identificação de dificuldades de aprendizagem. Neste contexto, sistemas de diagnóstico, baseados em aprendizado de máquina (machine e deep learning), têm sido usados para identificar casos de ansiedade, angústia e depressão. Tais diagnósticos são possíveis por meio da obtenção de modelos de classificação, utilizando mecanismos de aprendizado. Como exemplo, um modelo baseado em uma arquitetura de deep learning, que identifique e classifique as emoções dos estudantes, pode ajudar o professor com feedback sobre sua aula. Para fins deste trabalho de conclusão, objetiva-se conceber e implementar um modelo de classificação baseado em métodos deep learning para a classificação de emoções por meio de imagens de faces humanas. Esta seria a primeira etapa para o desenvolvimento de um sistema que possa inferir dificuldades no aprendizado em sala de aula, possibilitando assim ao educador abordar novas estratégias de ensino que possam melhorar o desempenho da turma e seus estados emocionais. [resumo fornecido pelo autor]Mental health is a subject that is increasingly on the rise, and it is of paramount importance to know and talk about. Problems such as stress, anxiety and depression are considered as the diseases of the century, affecting more and more people around the world. Identifying and treating such disorders is expressly necessary since, in severe cases such as depression, they can even lead to suicide. In a classroom, the situation is no different, learning difficulties, lack of motivation and fear of not being able to meet expectations are just a few examples of what can lead a student to develop a mental health problem. Students with negative emotional states have greater learning difficulties, which impacts their school performance and can further worsen their emotional state, becoming a vicious cycle. Identifying emotions in the classroom can help in identifying learning difficulties. In this context, diagnostic systems, based on machine learning (machine and deep learning), have been used to identify cases of anxiety, distress and depression. Such diagnoses are possible by obtaining classification models, using learning mechanisms. As an example, a model based on a deep learning architecture, that identifies and classifies students' emotions, can help the teacher with feedback about their class. For the purposes of this conclusion work, the objective is to design and implement a classification model based on deep learning methods for classifying emotions through images of human faces. This would be the first step towards the development of a system that can infer difficulties in learning in the classroom, thus enabling the educator to approach new teaching strategies that can improve the performance of the class and their emotional states. [resumo fornecido pelo autor]Inteligência artificialEmoçõesExpressão facialProgramas de aprendizadoClassificação de emoções a partir de expressões faciais com deep learninginfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleporreponame:Repositório Institucional da UCSinstname:Universidade de Caxias do Sul (UCS)instacron:UCSinfo:eu-repo/semantics/openAccessUniversidade de Caxias do SulBacharelado em Ciência da ComputaçãoCampus Universitário de Caxias do Sul2022-12-09ORIGINALTCC Caroline Guerra.pdfTCC Caroline Guerra.pdfapplication/pdf5145275https://repositorio.ucs.br/xmlui/bitstream/11338/11978/1/TCC%20Caroline%20Guerra.pdf125474126ee6e896acf9a5f81cf4529aMD51TEXTTCC Caroline Guerra.pdf.txtTCC Caroline Guerra.pdf.txtExtracted texttext/plain63087https://repositorio.ucs.br/xmlui/bitstream/11338/11978/2/TCC%20Caroline%20Guerra.pdf.txta464ded067d1b8aa8ca349387f75aeefMD52THUMBNAILTCC Caroline Guerra.pdf.jpgTCC Caroline Guerra.pdf.jpgGenerated Thumbnailimage/jpeg1858https://repositorio.ucs.br/xmlui/bitstream/11338/11978/3/TCC%20Caroline%20Guerra.pdf.jpgc8e4c20a0b6b7ddacf4878806d962bddMD5311338/119782023-05-18 07:00:47.12oai:repositorio.ucs.br:11338/11978Repositório de Publicaçõeshttp://repositorio.ucs.br/oai/requestopendoar:2023-05-18T07:00:47Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS)false |
dc.title.pt_BR.fl_str_mv |
Classificação de emoções a partir de expressões faciais com deep learning |
title |
Classificação de emoções a partir de expressões faciais com deep learning |
spellingShingle |
Classificação de emoções a partir de expressões faciais com deep learning Guerra, Caroline Inteligência artificial Emoções Expressão facial Programas de aprendizado |
title_short |
Classificação de emoções a partir de expressões faciais com deep learning |
title_full |
Classificação de emoções a partir de expressões faciais com deep learning |
title_fullStr |
Classificação de emoções a partir de expressões faciais com deep learning |
title_full_unstemmed |
Classificação de emoções a partir de expressões faciais com deep learning |
title_sort |
Classificação de emoções a partir de expressões faciais com deep learning |
author |
Guerra, Caroline |
author_facet |
Guerra, Caroline |
author_role |
author |
dc.contributor.other.none.fl_str_mv |
Boff, Elisa Adami, André Gustavo |
dc.contributor.author.fl_str_mv |
Guerra, Caroline |
dc.contributor.advisor1.fl_str_mv |
Webber, Carine Geltrudes |
contributor_str_mv |
Webber, Carine Geltrudes |
dc.subject.por.fl_str_mv |
Inteligência artificial Emoções Expressão facial Programas de aprendizado |
topic |
Inteligência artificial Emoções Expressão facial Programas de aprendizado |
description |
Saúde mental é um assunto que está cada vez mais em alta, sendo de suma importância conhecer e falar sobre. Problemas como estresse, ansiedade e depressão são considerados como as doenças do século, afetando cada vez mais pessoas ao redor do mundo. Identificar e tratar tais transtornos é expressamente necessário já que, em casos graves como o da depressão, podem levar até mesmo ao suicídio. Em uma sala de aula, a situação não é diferente, a dificuldade de aprendizado, desmotivação e medo de não conseguir corresponder as expectativas, são apenas alguns exemplos do que pode levar um estudante a desenvolver um problema de saúde mental. Estudantes com estados emocionais negativos têm maior dificuldade de aprendizado, o que impacta no seu rendimento escolar e pode piorar ainda mais seu emocional, se tornando um ciclo vicioso. Identificar emoções em sala da aula pode ajudar na identificação de dificuldades de aprendizagem. Neste contexto, sistemas de diagnóstico, baseados em aprendizado de máquina (machine e deep learning), têm sido usados para identificar casos de ansiedade, angústia e depressão. Tais diagnósticos são possíveis por meio da obtenção de modelos de classificação, utilizando mecanismos de aprendizado. Como exemplo, um modelo baseado em uma arquitetura de deep learning, que identifique e classifique as emoções dos estudantes, pode ajudar o professor com feedback sobre sua aula. Para fins deste trabalho de conclusão, objetiva-se conceber e implementar um modelo de classificação baseado em métodos deep learning para a classificação de emoções por meio de imagens de faces humanas. Esta seria a primeira etapa para o desenvolvimento de um sistema que possa inferir dificuldades no aprendizado em sala de aula, possibilitando assim ao educador abordar novas estratégias de ensino que possam melhorar o desempenho da turma e seus estados emocionais. [resumo fornecido pelo autor] |
publishDate |
2022 |
dc.date.submitted.none.fl_str_mv |
2022-11-28 |
dc.date.issued.fl_str_mv |
2022-12-10 |
dc.date.accessioned.fl_str_mv |
2023-05-17T17:37:43Z |
dc.date.available.fl_str_mv |
2023-05-17T17:37:43Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ucs.br/11338/11978 |
url |
https://repositorio.ucs.br/11338/11978 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UCS instname:Universidade de Caxias do Sul (UCS) instacron:UCS |
instname_str |
Universidade de Caxias do Sul (UCS) |
instacron_str |
UCS |
institution |
UCS |
reponame_str |
Repositório Institucional da UCS |
collection |
Repositório Institucional da UCS |
bitstream.url.fl_str_mv |
https://repositorio.ucs.br/xmlui/bitstream/11338/11978/1/TCC%20Caroline%20Guerra.pdf https://repositorio.ucs.br/xmlui/bitstream/11338/11978/2/TCC%20Caroline%20Guerra.pdf.txt https://repositorio.ucs.br/xmlui/bitstream/11338/11978/3/TCC%20Caroline%20Guerra.pdf.jpg |
bitstream.checksum.fl_str_mv |
125474126ee6e896acf9a5f81cf4529a a464ded067d1b8aa8ca349387f75aeef c8e4c20a0b6b7ddacf4878806d962bdd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UCS - Universidade de Caxias do Sul (UCS) |
repository.mail.fl_str_mv |
|
_version_ |
1798308901149474816 |