चेहरे की अभिव्यक्तियों से तनाव पहचानने के लिए ट्रांसफर लर्निंग तकनीकों का उपयोग

आज की तेज गति वाली दुनिया में तनाव एक महत्वपूर्ण चिंता बन गया है, जो व्यक्तिगत मानसिक स्वास्थ्य और समग्र कल्याण को प्रभावित करता है। चेहरे की अभिव्यक्तियों से तनाव का पता लगाने के लिए विभिन्न मॉडल डिजाइन किए गए हैं, जिनमें से एक ResNet-101 आर्किटेक्चर है, जो चेहरे के संकेतों के लक्षणों का उपयोग करके वीडियो निगरानी से वास्तविक समय में तनाव का पता लगाने के लिए डिजाइन किया गया है, जिसकी सटीकता 80.4% है। मॉडल की सीमाओं में से एक यह है कि छोटे गतियों का पता नहीं लगाया जाता है। इन चुनौतियों को दूर करने के लिए, गहरा सीखने के आर्किटेक्चर की क्षमता का मूल्यांकन किया गया है ताकि तनाव से संबंधित चेहरे के संकेतों को कैप्चर किया जा सके। ट्रांसफर लर्निंग एक सिद्ध तकनीक है जो पूर्व-प्रशिक्षित मॉडल के वज़नों का पुनः उपयोग करती है जो मॉडल की क्षमताओं को बढ़ाती है। इस शोध परियोजना में, हम पूर्व-प्रशिक्षित मिनी एक्सेप्शन और VGG-16 मॉडलों का उपयोग करके वास्तविक समय तनाव पहचान प्रणाली के विकास का प्रस्ताव देते हैं। कई परीक्षणों के बाद, यह दिखाया गया कि VGG16 ने एक परिसंवेदनात्मक स्तर-आधारित वर्गीकर्ता के साथ मिलकर तनावपूर्ण भावनाओं को पहचानने में 97.5% की सटीकता के साथ सबसे अच्छा प्रदर्शन किया।