view in publisher's site

A brief Review of Deep Learning Based Approaches for Facial Expression and Gesture Recognition Based on Visual Information

Psychological researchers and Many Other Researchers have found that body language of a human can provide substantial information in detecting and interpreting emotions. It could express explicit and implicit information mutually of one’s emotional state and intentions over multi-channel modalities. These imperative channels include eye gaze, head movement, facial expression, body posture and gesture and so on. This learning focuses on detecting emotional states from the body language of the hand and face using computer vision and soft computing techniques. The facial expression and gesture recognition have widely used and challenging task in the present scenario. This paper describes brief review of all approaches which are majorly categorized into two -categories where the first category belongs to Conventional approaches and other based on Deep-learning or Non - Conventional. This paper is basically used as a survey of deep-learning approaches for hand-gesture and Facial Expression Recognitions. We describe all review through the taxonomy of deep-learning approaches proposed architecture details, fusion strategies, datasets, way to treat temporal-dimensions of data, its main features, basic knowledge & general understanding of its challenges

مروری کوتاه بر روش‌های مبتنی بر یادگیری عمیق برای حالات چهره و تشخیص ژست براساس اطلاعات بصری

محققان روان‌شناسی و بسیاری دیگر از محققان دریافته اند که زبان بدنی یک انسان می‌تواند اطلاعات قابل‌توجهی را در تشخیص و تفسیر احساسات فراهم کند. آن می‌تواند اطلاعات صریح و ضمنی را به صورت متقابل از حالت عاطفی و نیت فرد در مورد روش‌های چند کاناله بیان کند. این کانال‌های ضروری شامل نگاه خیره چشم، حرکت سر، حالت چهره، حالت بدن و ژست و غیره هستند. این یادگیری بر تشخیص حالات عاطفی از زبان بدنی دست و صورت با استفاده از بینایی کامپیوتر و تکنیک‌های محاسبات نرم تمرکز می‌کند. حالات چهره و تشخیص ژست به طور گسترده‌ای در سناریوی حاضر مورد استفاده قرار گرفته و کار چالش برانگیز است. این مقاله مروری کوتاه بر تمام رویکردهایی که به طور عمده به دو دسته تقسیم می‌شوند را شرح می‌دهد که در آن دسته اول متعلق به رویکردهای متعارف و دسته دیگر مبتنی بر یادگیری عمیق یا غیر متعارف است. این مقاله اساسا به عنوان بررسی روش‌های یادگیری عمیق برای تشخیص حالات دست و صورت استفاده می‌شود. ما تمام مرور را از طریق طبقه‌بندی رویکردهای یادگیری عمیق پیشنهاد شده در مورد جزئیات معماری، استراتژی‌های ترکیب، مجموعه داده‌ها، روش برخورد با ابعاد زمانی داده‌ها، ویژگی‌های اصلی آن، دانش پایه، درک کلی از چالش‌های آن توصیف می‌کنیم.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.