Duygu tanıma için derin öğrenme modellerinin karşılaştırılması ve uygulanabilirliği

Bu tezde, çeşitli yüz ifadelerini tanımlamak ve sınıflandırmak için derin öğrenme mimarileri kullanılarak duygu tespiti alanında bir çalışma yapılmıştır. Bu çalışmanın amacı, öfke, küçümseme, iğrenme, korku, mutluluk, tarafsızlık, üzüntü ve şaşkınlık gibi farklı yüz ifadelerini ayırt etmektir. Çalışma, DenseNet121, EfficientNetB5, MobileNetV2, ResNet50, VGG16 ve YOLOv8m-cls gibi bilgisayarla görme ve makine öğrenimi alanında farklı özellik ve yeteneklere sahip iyi bilinen modellerin kullanım nedenlerini ve bu modellerin karşılaştırmalı sonuçlarını içermektedir. Araştırma süresince, çeşitli duygusal ifadeler içeren veri setleri titizlikle hazırlanmış ve kapsamlı model eğitimi ve değerlendirmesi sağlanmıştır. Veri setleri, özellik çıkarma sürecini iyileştirmek ve potansiyel önyargıları azaltmak için ön işleme tabi tutulmuştur. Daha sonra, her model yüz ifadelerini doğru bir şekilde tespit etmek ve sınıflandırmak için performanslarını optimize edecek gerekli yöntemlerle eğitilmiştir. Sonuçlar, her mimarinin doğruluğunu ve zayıf yönlerini açığa çıkararak, gerçek dünya senaryolarındaki uygulanabilirliklerini aydınlatmıştır. Bulgular, belirli kullanım durumları ve hesaplama kısıtlamaları için uygun modellerin seçilmesinin önemini vurgulamaktadır. Gelecekte, bu araştırma, duygu tespiti tekniklerinin daha fazla araştırılmasını ve geliştirilmesini destekleyerek sağlık hizmetleri, insan-bilgisayar etkileşimi ve duygusal bilişim gibi çeşitli alanlarda faydalar sağlayabilir. Verilen modeller arasında en yüksek doğruluk değerine %89 ile YoloV8m-cls modeli erişirken, en kötü performans ve en büyük kayıplar ise %60 doğruluk ile VGG16 modeli gösterdiği için uygun bir yöntem değildir.