?
Group-Level Emotion Recognition using Transfer Learning from Face Identification
P. 544–548.
В печати
Ключевые слова: распознавание эмоцийEmotiW 2017Transfer LearningFacial Expression AnalysisGroup-level Emotion RecognitionEmotion Recognition in the WildConvolutional Neural Networkсверточные нейронные сети
ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:
В книге
[б.и.], 2017.
В статье рассматривается проблема распознавания сентимента и эмоций пользователей в русскоязычных текстовых транскрипциях речи с использованием словарных методов и машинного перевода. Количество имеющихся информационных ресурсов для анализа сентимента текстовых сообщений на русском языке очень ограничено, что существенно затрудняет применение базовых методов анализа сентимента, а именно, предобработки текстов, векторизации с помощью тональных словарей, традиционных классификаторов. Для ...
Добавлено: 25 апреля 2026 г.
Двойникова А. А., В кн.: Альманах научных работ молодых ученых Университета ИТМО.: Университет ИТМО, 2023.
В статье раскрываются достоинства и недостатки категориальных и пространственных моделей описания эмоций. Пространственные модели позволяют охватить более широкий спектр человеческих эмоций, что позволяет разработать наиболее эффективную систему распознавания эмоций. В работе проводится аналитический обзор существующих многомодальных корпусов данных, которые имеют разметку по валентности и интенсивности эмоций. В заключении выделяется наиболее репрезентативный корпус данных для автоматического ...
Добавлено: 25 апреля 2026 г.
Двойникова А. А., Кондратенко К. О., Известия высших учебных заведений. Приборостроение 2023 Т. 66 № 10 С. 818–827
Аннотация. Исследован актуальный в различных областях вопрос распознавания эмоций в транскрипциях речи. Проанализировано влияние методов предобработки (удаление стоп-слов, лемматизация, стемминг) на точность распознавания эмоций в текстовых данных на русском и английском языках. Для проведения экспериментальных исследований использовались орфографические транскрипции диалогов из многомодальных корпусов RAMAS и CMU-MOSEI на русском и английском языке соответственно. Аннотирование этих корпусов ...
Добавлено: 25 апреля 2026 г.
Двойникова А. А., Мамонтов Д. Ю., Карпов А. А., В кн.: Альманах научных работ молодых ученых Университета ИТМОТ. 3.: Университет ИТМО, 2021. С. 63–68.
В работе проводятся экспериментальные исследования по определению уровня эмоциональных проявлений в текстовых транскрипциях базы данных K-EmoCon. Рассматривается влияние сбалансирования классов при обучении классификаторов на точность определения эмоций. В статье устанавливается базовый стандарт результатов по классификации уровня эмоций дикторов в текстовых транскрипциях. ...
Добавлено: 24 апреля 2026 г.
Темирханов А. А., Костромина А. М., Цымбой О. А. и др., Доклады Российской академии наук. Математика, информатика, процессы управления (ранее - Доклады Академии Наук. Математика) 2025 Т. 527 № S С. 485–494
В индустрии нередко возникает необходимость одновременно строить прогнозы по большим наборам временных рядов. Однако мы можем оказаться в ситуации, когда обучение отдельной модели для каждого из них невозможно или слишком затратно. Эта проблема в моделировании временных рядов остается без должного внимания. Средством ее решения может служить создание фундаментальной модели (foundation model), рассчитанной на прогнозирование в ...
Добавлено: 24 февраля 2026 г.
Пикуль А. С., В кн.: Альманах научных работ молодых ученых университета ИТМО. Материалы Пятьдесят третьей (LIII) научной и учебно-методической конференции Том 1.: СПб.: Университет ИТМО, 2024. С. 338–342.
Предложен новый подход для улучшения распознавания атак презентации на биометрическую систему распознавания лиц с помощью сверточной сети с механизмом внимания. Проверена центральная гипотеза, которая заключалась в том, что с помощью механизма внимания возможно улучшить результаты работы исходной сверточной нейронной сети. В ходе экспериментов гипотеза была подтверждена. Наибольший прирост по качеству был достигнут на наборе данных ...
Добавлено: 13 декабря 2025 г.
Пикуль А. С., Лепендин А. А., Труды молодых ученых Алтайского государственного университета 2023 № 20 С. 190–193
Представлен новый подход для выявления атак презентации на системы распознавания по лицу. Он основан на использовании механизма графового внимания, применяемого к промежуточным картам характеристик изображений лица, вычисленным сверточной сетью ResNet18. Показано, что предложенный подход позволил добиться высокого качества распознавания поддельных изображений при лицевой биометрической верификации, сравнимого с имеющимися в настоящее время альтернативными решениями. ...
Добавлено: 12 декабря 2025 г.
Пикуль А. С., Безопасность информационных технологий 2024 Т. 31 № 4 С. 116–127
Исследуется возможность применения современных архитектур компьютерного зрения для задачи обнаружения дипфейков. Рассматриваются следующие архитектуры: EfficientNet, Vision Transformer (ViT), VisionLSTM (ViL), VisionKAN и Mamba Vision. Новизна подхода заключается в применении и сравнении работы данных архитектур, а также в их объединении в парные ансамбли для повышения точности детекции дипфейков. В работе проведен эксперимент, основанный на применении нескольких ...
Добавлено: 12 декабря 2025 г.
Deeb B., Савченко А. В., Макаров И. А., , in: ECAI 2024. 27th European Conference on Artificial Intelligence, October 19 – 24 October 2024, Santiago de Compostela, Spain – Including 13th Conference on Prestigious Applications of Intelligent Systems (PAIS 2024).: IOS Press, 2024. P. 4479–4482.
Добавлено: 15 февраля 2025 г.
Morozov D., Garipov T., Ляшевская О. Н. и др., Journal of Language and Education 2024 Vol. 10 No. 4 P. 71–84
Introduction: Numerous algorithms have been proposed for the task of automatic morpheme segmentation of Russian words. Due to the differences in task formulation and datasets utilized, comparing the quality of these algorithms is challenging. It is unclear whether the errors in the models are due to the ineffectiveness of algorithms themselves or to errors and inconsistencies ...
Добавлено: 7 января 2025 г.
Петракова А. В., Юрчик Е. Н., Лебедева Е. И., В кн.: Лицо человека в системах коммуникации.: М.: Московский институт психоанализа, 2024. Гл. 10 С. 138–147.
Добавлено: 7 января 2025 г.
Петракова А. В., Лебедева Е. И., Кузьмина Ю. В. и др., Психология. Журнал Высшей школы экономики 2024 Т. 21 № 2 С. 423–431
Настоящая работа представляет собой пилотажное исследование, направленное на создание и тестирование стимульного материала, представляющего собой фотоизображения лиц взрослых и детей, выражающих различные эмоции. Уникальность проведенной работы обусловлена таким подходом к организации создания стимульного материала, в рамках которого модели демонстрировали бы эмоции не по установленной схеме мимических движений, соответствующих конкретной эмоции, а согласно своим представлениям о ...
Добавлено: 26 декабря 2024 г.
Работа направлена на изучение успешности распознавания эмоций людей разного пола и возраста, выраженных без заданных критериев, в соотнесении их с «эмоциональными семействами». Представлены материалы эмпирического онлайн-исследования, полученные при помощи краудсорсингового сервиса «Яндекс. Толока», в рамках которого приняли участие 3590 респондентов. Респонденты распознавали одну из 14 эмоций по предъявленным фотографиям (гордость, злость, радость, раздражение, веселье, отвращение, ...
Добавлено: 26 декабря 2024 г.
Колмогорова А. В., Хлебникова В. А., Человек: образ и сущность. Гуманитарные аспекты 2025 № 2(62) С. 45–68
В статье рассматриваются результаты применения методологии, известной как Байесовская сыворотка правды (BTS), в задаче эмоциональной разметки текстов для последующего обучения нейросетевых моделей. Суть метода состоит в том, что информантов сначала просят оценить некоторый феномен со своей собственной точки зрения, а затем – предсказать, какой ответ (или оценку) выберет наибольший процент других отвечающих на тот же ...
Добавлено: 29 ноября 2024 г.
Куликова Е. Р., В кн.: Лингвистическая семантика в пространственном измерении: Словарь. Дискурс. Корпус.: Екатеринбург: Кабинетный ученый, 2024. Гл. 9.1 С. 399–411.
Добавлено: 29 ноября 2024 г.
Чертенков В. И., Щур Л. Н., / Series arXiv "math". 2024. No. 2411.13027.
Добавлено: 21 ноября 2024 г.
Сысоева Т. А., Айрапетян Е. А., Психологические исследования: электронный научный журнал 2023 Т. 16 № 92 Статья 1
Изучались особенности распознавания эмоционального состояния другого человека представителями армянской и русской культур. В предварительном исследовании было обнаружено, что армяне, в отличие от русских, склонны в большей степени контролировать экспрессию гнева при взаимодействии с близкими людьми. Одна из идей, объясняющих влияние культуры на распознавание эмоций, предполагает, что правила выражения, которые заставляют подавлять экспрессию в определенных социальных ...
Добавлено: 29 января 2024 г.
Magai German, Soroka A., , in: Advances in Neural Computation, Machine Learning, and Cognitive Research VIIVol. 1120.: Studies in Computational Intelligence, 2023.
Добавлено: 29 октября 2023 г.
Карташева А. А., Технологос 2020 № 2 С. 15–24
В статье исследуются подходы к распознаванию эмоций в интеллектуальных системах с позиции методологических оснований. В междисциплинарных исследованиях, где необходимо совмещать подходы из разных областей, мы сталкиваемся с терминологической неопределенностью, так как проблема описания эмоциональной сферы решается разными исследователями в русле нескольких основных подходов.
Во-первых, описание распознаваемых и продуцируемых эмоций можно вести через выделение фундаментальных (базовых) эмоций, ...
Добавлено: 20 октября 2023 г.