Eine neuartige geschlechtsbasierte Klassifizierung, Ausdruckserkennung und Emoticon-Generierung basierend auf Deep Learning

Bild ist entscheidend für die Bestimmung des Geschlechts und der Emotion eines Individuums im digitalen Zeitalter; die aktuellen Methoden weisen jedoch offensichtlich Mängel auf. Die Implementierung von Deep Learning-Algorithmen in die Bildverarbeitung wäre eine effektivere Strategie. Durch die Entwicklung von Emoticons aus den in Bildern und Schnappschüssen eingefangenen Emotionen hoffen wir, die Kluft in der Kommunikation zu überbrücken. Wir haben das Keras-Framework implementiert und seine Leistung auf Tensor Flow unter Verwendung eines CNN (Convolutional Neural Network) Deep Learning-Algorithmus bewertet, um das Geschlecht zu bestimmen. Ziel ist es, Rauschen zu eliminieren und Merkmale aus dem Bilddatensatz abzuleiten, um einen neuen Datensatz zu erstellen, der zur Implementierung von CNN verwendet werden kann. Wir haben das LSTM-RNN (lange Kurzzeitgedächtnis rekurrentes neuronales Netzwerk) verwendet, um Emotionen zu erkennen und Gesichtsausdrücke zu identifizieren. Mit bemerkenswerter Genauigkeit kann der Algorithmus das Geschlecht eines Individuums anhand eines Live-Webcam-Feeds oder eines Bildes bestimmen.